Analisi del comportamento delle pecore Biellesi con strumenti di zootecnia di precisione.

The evolution of precision livestock farming, based on the use of advanced technologies for the continuous monitoring of animals, represents a response to the growing demands for animal welfare, sustainability, and production optimization. Accelerometers enable real-time data collection on physiological states and behaviors, promoting early diagnoses, more efficient environmental management, and accurate control of animal health. The integration of these technologies into extensive farming systems constitutes one of the challenges of modern livestock farming. This study examines the use of accelerometers in the behavioral monitoring of sheep. In extensive or semi-extensive contexts, tools such as accelerometers, often associated with GPS devices, allow remote control of animals, facilitating the timely identification of diseases and lameness, monitoring of parturition, detection of predator attacks, and the study of pasture utilization. These tools are also useful for estimating nitrogen load derived from excretory phenomena, contributing to the reduction of environmental impact. Accelerometers also play an essential role in the study of animal behavior, allowing the early detection of abnormal behaviors, often indicative of stress or discomfort. In ruminants, these signals, primarily oral in nature, can be detected through triaxial sensors, enabling timely management interventions. Behavioral monitoring therefore emerges as a key tool in promoting ethical and welfare-oriented farming. This study is part of the project “Application of Precision Livestock Farming Principles and Technologies in Extensive Farming”, carried out by the Department of Veterinary Sciences of the University of Turin in collaboration with the Istituto Zooprofilattico Sperimentale of Sardinia, and aims to validate the use of accelerometers for monitoring sheep in extensive systems, through comparison with video analysis, considered the reference method for ethological observation. The experimental phase involved the use of a triaxial accelerometer Axy-5 (TechnoSmart), applied on a collar to five adult Biellese sheep at the experimental farm of the University of Turin. The five-hour observation allowed for the simultaneous collection of accelerometric and ethological data, identifying twelve behavioral categories defined on the basis of an ethogram. Each animal was observed individually using the Focal Animal Sampling method, and behavior analysis was conducted using the BORIS software. The data obtained were initially analyzed using descriptive statistics, followed by parametric and non-parametric tests, such as ANOVA and Kruskal-Wallis, which revealed statistically significant differences in behavioral patterns among the subjects. Subsequently, raw accelerometric data were processed using Python software, generating graphs that highlighted distinct and repeatable patterns for each behavior, confirming the possibility of reliable discrimination. The results confirm the importance of video analysis as a fundamental support in the validation of sensors, especially in view of training machine learning models. Despite the preliminary nature of the study, the data collected suggest that integration with machine learning algorithms such as the Random Forest model could constitute a promising basis for real-time behavioral monitoring of grazing sheep. Future perspectives include the expansion of the sample and the enrichment of the database, in order to develop reliable and integrated precision livestock farming tools, oriented towards environmental sustainability, animal welfare, and production efficiency.

L’evoluzione della zootecnia di precisione, rappresenta una risposta alle crescenti esigenze di benessere animale, sostenibilità e ottimizzazione produttiva. Gli accelerometri, consentono una raccolta di dati in tempo reale su stati fisiologici e comportamenti, favorendo diagnosi precoci, gestione ambientale più efficiente e un controllo accurato della salute animale. L’integrazione di queste tecnologie negli allevamenti estensivi costituisce una sfida della moderna zootecnia. Il lavoro in oggetto esamina l’impiego degli accelerometri nel monitoraggio comportamentale degli ovini. In contesti estensivi o semi-estensivi, strumenti come gli accelerometri, spesso associati a dispositivi GPS, permettono un controllo a distanza degli animali, facilitando l’identificazione tempestiva di malattie e zoppie, il monitoraggio del parto, la rilevazione di attacchi predatori e lo studio dell’utilizzo del pascolo. Tali strumenti risultano inoltre utili nella stima del carico di azoto derivante dai fenomeni escretori, contribuendo alla riduzione dell’impatto ambientale. Gli accelerometri rivestono un ruolo essenziale nello studio del comportamento animale, permettendo l’individuazione precoce di comportamenti anomali, spesso indice di stress o disagio. Nei ruminanti, questi segnali, principalmente orali, possono essere rilevati tramite sensori triassiali, consentendo interventi gestionali tempestivi. Il monitoraggio comportamentale si configura quindi come strumento chiave per promuovere un allevamento etico e orientato al benessere. Il presente studio si inserisce nel progetto “Application of Precision Livestock Farming Principles and Technologies in Extensive Farming”, realizzato dal Dipartimento di Scienze Veterinarie dell’Università di Torino con l’Istituto Zooprofilattico Sperimentale della Sardegna, e mira alla validazione dell’uso degli accelerometri per il monitoraggio degli ovini in sistemi estensivi, attraverso il confronto con la videoanalisi, considerata metodo di riferimento per l’osservazione etologica. La fase sperimentale ha previsto l’utilizzo di un accelerometro triassiale Axy-5 (TechnoSmart), applicato su collare a cinque pecore adulte di razza Biellese presso l’allevamento didattico-sperimentale dell’Università degli studi di Torino. L’osservazione di cinque ore ha permesso la raccolta simultanea di dati accelerometrici ed etologici, identificando dodici categorie comportamentali definite sulla base di un etogramma. Ogni animale è stato osservato individualmente secondo il metodo del Focal Animal Sampling e l’analisi dei comportamenti è stata condotta tramite il software BORIS. I dati ottenuti sono stati analizzati inizialmente mediante statistica descrittiva, seguita da test parametrici e non parametrici, come ANOVA e Kruskal-Wallis, che hanno evidenziato differenze statisticamente significative nei modelli comportamentali tra i soggetti. Successivamente, i dati grezzi accelerometrici sono stati elaborati tramite software Python, generando grafici che evidenziano pattern distinti e ripetibili per ciascun comportamento, confermando la possibilità di una discriminazione affidabile. I risultati ottenuti confermano l’importanza della videoanalisi come supporto fondamentale nella validazione dei sensori, soprattutto in vista dell’addestramento di modelli di apprendimento automatico. Nonostante il carattere preliminare dello studio, i dati raccolti suggeriscono che l’integrazione con algoritmi di machine learning come il modello Random Forest, possa costituire una base promettente per il monitoraggio comportamentale in tempo reale degli ovini. Le prospettive future includono l’ampliamento l'ampliamento del campione e l’arricchimento della base dati, al fine di sviluppare strumenti affidabili e integrati di zootecnia di precisione, orientati alla sostenibilità ambientale, al benessere animale e all’efficienza produttiva.