Abstract

1.Introduzione

2.Spettroscopia nel vicino infrarosso

3.Analisi della composizione chimica delle materie prime con strumenti portatili NIRS

4.Analisi dei costituenti chimici e fisici della razione unifeed

5.Analisi degli indici di valutazione dell’unifeed (omogeneità e selezione)

6.Analisi della composizione chimica di liquami e letame

7.Stima della digeribilità dieta da NIRS

8.Analisi on-line della qualità del latte (totale e individuale) in sala di mungitura

9.Conclusioni e prospettive future

Abstract

Gli allevamenti da latte sono sempre più interessati dalla rivoluzione digitale. Per rispondere alle sfide attuali, come la sostenibilità ambientale, economica e sociale, è necessario adottare nuove tecnologie, entrando nella prospettiva dell’allevamento di precisione. Ciò è reso possibile dallo sviluppo di innumerevoli sensori da adottare in stalla. Una tecnologia che sta interessando vari aspetti dell’allevamento del bovino da latte è sicuramente la spettroscopia nel vicino infrarosso (NIRS), la quale è versatile e può essere utilizzata on-line/in-line per valutare e controllare i punti critici del processo produttivo divenendo una PAT (Tecnologia Analitica di Processo). Nella stalla, la NIRS attualmente può ottenere informazioni sulla composizione chimico-fisica delle materie prime, dell’unifeed e delle feci, oltre ad informazioni sulla digeribilità della dieta e sulle caratteristiche chimiche e tecnologiche del latte. Tutto questo in tempi brevi, eliminando i tempi di attesa di risposta delle analisi ed i costi, e consentendo un miglioramento della gestione del bestiame. Molti studi affermano la validità della NIRS come tecnologia affidabile e predittiva rispetto a molteplici parametri rilevanti in matrici quali materie prime, unifeed, feci e latte. Questa review evidenzia l’utilità della tecnologia NIRS nell’aziende da latte, con particolare attenzione alla strumentazione portatile utilizzabile direttamente in azienda.

Parole chiave: spettroscopia nel vicino infrarosso; NIRS; NIRS portatili; vacca da latte; alimentazione e analisi in azienda.

1.Introduzione

Il ricorso all’innovazione nel settore primario ha portato alla nascita di un nuovo tipo di agricoltura, quella definita “di precisione” o Precision Farming (PF). Le nuove tecnologie introdotte nell’azienda agricola influenzano fortemente la gestione dell’azienda stessa, permettendo di ridurre la manodopera, i costi e soprattutto gli sprechi e, di conseguenza, aumentare il reddito. L’uso crescente di Internet of Things (IoT) e delle tecnologie dell’informazione e comunicazione (ICT), ha portato ad un’evoluzione della PF in Smart farming (SF). Attualmente, la sfida è ottenere la maggior quantità di dati in modo automatico, rapido e accurato, utilizzando il Machine Learning (ML) o Deep Learning (DL), entrambi basati sullo sviluppo di reti neurali artificiali (ANN), ed ottenere algoritmi di classificazione per avere una gestione aziendale sempre più automatica, precisa e accurata.

Nel comparto zootecnico si parla di Precision livestock farming (PLF) la quale interessa tutto il settore: dai bovini, ai suini, al pollame, ottenendo i migliori risultati negli allevamenti bovini, e soprattutto in quelli da latte. Indubbiamente, l’allevamento bovino da latte è uno dei più interessati dalla PLF, poiché è possibile ottenere una maggiore redditività ed un miglioramento del benessere animale [Mipaaf, 2015].

L’alimentazione di precisione o Precision Feeding è una parte importante della PLF. Il controllo ed una conoscenza più dettagliata dell’alimentazione sono un aspetto essenziale, considerando che, per gli allevamenti di bovini da latte, essa rappresenta più della metà dei costi di produzione. Di fatti, dati del 2019 [Teseo, 2020] evidenziano che i costi di alimentazione, stimati per produrre 100 kg di latte, rappresentano oltre il 45% dei costi di produzione totali, con un’ampia variabilità tra gli anni dovuta alla variabilità della disponibilità di materie prime e volatilità dei prezzi soprattutto dei concentrati [De la Roza-Delgado et al., 2017]. Pertanto, è molto importante evitare errori sia nella formulazione sia nella distribuzione della razione, poiché questi possono comportare: inefficienza del processo digestivo, perdite quanti-qualitative delle produzioni, riduzione delle prestazioni riproduttive, aumento dei costi di produzione, maggiori sprechi e impatto ambientale, problemi di salute e benessere degli animali ed inoltre un maggior consumo di farmaci.

Come tecnologia innovativa, utilizzata nell’azienda agricola in un sistema di PLF a supporto della gestione aziendale, sta ottenendo sempre più successo la spettroscopia nel vicino infrarosso (NIRS). Essa, in azienda, potrebbe essere utilizzata per progettare, analizzare e controllare i processi di produzione/prodotti sulla base di misurazioni continue nel tempo, degli attributi critici di qualità e delle prestazioni delle materie prime, per garantire una qualità accettabile del prodotto finale. In questa prospettiva, la NIRS può essere definita come una tecnologia analitica di processo/prodotto innovativa (PAT), che può influenzare positivamente il “processo di produzione” migliorando le prestazioni dell’azienda agricola e quindi il benessere e il reddito degli agricoltori.

In azienda, gli strumenti portatili NIRS possono essere utilizzati direttamente sulle matrici da analizzare, in modalità “on-line” e “on-live”, consentendo di ottenere informazioni in tempo reale evitando i lunghi tempi di attesa per le risposte delle analisi di laboratorio, consentendo un tempestivo intervento di prevenzione e/o correzione, e permettendo inoltre l’esecuzione di innumerevoli analisi di autocontrollo.

Attualmente la tecnologia NIRS, in azienda, permette di realizzare (Figura 1):

  1. analisi della composizione chimica delle materie prime, sia in campo sia in fase di carico nel carro miscelatore;
  2. analisi dei costituenti chimico-fisici della razione unifeed;
  3. analisi degli indici di valutazione dell’unifeed (omogeneità e selezione);
  4. analisi della composizione chimica di feci, liquami e letame;
  5. analisi on-line della qualità del latte (totale e individuale) in sala di mungitura.

Figura 1 – Utilizzo di strumenti NIRS portatili in azienda.

2.Spettroscopia nel vicino infrarosso

La spettroscopia nel vicino infrarosso è una tecnologia che utilizza la regione dell’infrarosso dello spettro elettromagnetico (da circa 800 nm a 2500 nm) per indagare le proprietà fisico-chimiche dei campioni in modo non distruttivo. Si tratta di una tecnica rapida, precisa e conveniente rispetto ad altre tecniche di laboratorio [Yakubu et al., 2020], che inoltre non produce rifiuti, favorendo una maggiore sostenibilità ambientale. È una tecnica multi-analitica, ovvero consente di predire più parametri contemporaneamente [Givens et al., 1997]. Tutte queste proprietà hanno reso la NIRS ampiamente accettata negli ultimi anni come uno dei metodi più utilizzati per l’analisi degli alimenti on-line [Huang et al., 2008].

I primi strumenti NIRS erano estremamente sofisticati e costosi, ed erano quindi destinati al solo uso di laboratorio; erano inoltre molto accurati, ma utilizzabili dal solo personale specializzato. Nel tempo gli strumenti si sono evoluti, con una significativa riduzione delle loro dimensioni e del loro peso, consentendo lo sviluppo di strumenti portatili, e con miglioramenti nelle loro prestazioni (es. aumento della velocità di acquisizione degli spettri; miglioramento dell’elaborazione e trasmissione del segnale; miglioramenti di hardware e del software).

3.Analisi della composizione chimica delle materie prime con strumenti portatili NIRS

L’analisi della composizione nutrizionale degli alimenti per gli animali da allevamento è un aspetto importante nel processo decisionale al fine di migliorare le produzioni. La spettroscopia nel vicino infrarosso è stata adottata già negli anni ’70 per l’analisi dei foraggi [Norris et al., 1976], e da allora sono stati condotti numerosi studi sulla sua applicabilità a supporto della zootecnia [Murray, 1986; Reeves et al., 1989; Castro, 2002; Berzaghi et al., 2005; Masoero et al., 2007; Brogna et al., 2009]. Tali studi hanno dimostrato come la tecnica NIRS avesse un alto potenziale nel predire la composizione chimica degli alimenti per animali.

Inizialmente, lo sviluppo e l’uso delle calibrazioni NIRS, si basavano su materiale essiccato e macinato, con conseguenti svantaggi, tra cui il tempo perso durante una lunga procedura di essiccazione e possibili modifiche del valore nutrizionale degli alimenti dovute a trattamenti ad alta temperatura che portavano a risultati poco accurati [Landau et al., 2006]. Problemi maggiori si riscontravano per gli insilati, in quanto l’essicazione favoriva la perdita di sostanze volatili come acidi organici, alcoli, esteri, ammine ed ammoniaca [Givens e Deaville, 1999]. Gli alcoli e gli acidi organici sono importanti fonti di energia per i ruminanti e sono ottimi indicatori della qualità della fermentazione dell’insilato [Masoero et al., 2007]. Per evitare una sottostima di questi parametri, si è iniziato ad analizzare alimenti “freschi” non essiccati. Diversi studi [Abrams et al., 1988; Griggs et al., 1999; Murray e Cowe, 2004] hanno dimostrato che la presenza di acqua non interferisce eccessivamente con la previsione dei componenti. Abrams et al. [1988] ha concluso che, nonostante l’impatto dell’acqua sugli spettri NIR, la tecnologia NIRS sui foraggi “freschi” poteva predire con successo il contenuto di sostanza secca (SS), azoto totale e azoto insolubile, ma non poteva prevedere adeguatamente i prodotti di fermentazione dell’insilato. Nello studio di Sinnaeve et al. [1994] sugli insilati “freschi”, i prodotti di fermentazione sono stati predetti in modo soddisfacente con R2 di 0,90–0,93–0,86 e 0,85 rispettivamente per pH, azoto ammoniacale, acido lattico e acido acetico. Park et al. [1998] hanno riportato che l’analisi NIRS degli insilati di erba non essiccati può fornire una previsione accurata di un’ampia gamma di componenti chimici, compresi i prodotti di fermentazione. Sørensen [2004] ha dimostrato che NIRS può essere utile nella predizione di acido lattico, acido acetico, pH, NH3-N ed etanolo nell’insilato di erba e nell’insilato di mais. Ad oggi, la tecnologia NIRS è utilizzata anche per prevedere la composizione chimica dei pascoli naturali [Parrini et al., 2017; 2019].

La disponibilità di strumenti portatili ha ampliato i potenziali per l’applicazione di NIRS a livello di azienda. Il primo studio che riporta l’uso di un radiometro NIRS portatile per prevedere la fitomassa dell’erba medica per gli agnelli al pascolo risale al 1990 [Mitchell et al., 1990].

Attualmente la produzione e diffusione di strumenti portatili è aumentata. Ad oggi, almeno cinque aziende nel mondo producono spettrofotometri portatili progettati per l’analisi di alimenti per animali, direttamente in azienda (Tabella 1).

La fattibilità dell’utilizzo di uno spettrofotometro portatile per analizzare l’insilato di mais senza alcuna preparazione preliminare del campione è stata valutata da Berzaghi et al. [2005]. Lo strumento utilizzato era lo Zeiss Corona 45 (Carl Zeiss, Germania), uno spettrofotometro a diodi, con un range di lunghezze d’onda compreso tra 960 e 1700 nm. Gli errori di stima, indicati dall’errore standard di convalida incrociata (SECV), erano relativamente bassi, indicando una buona accuratezza della previsione. Gli R2 per SS, fibra neutro detersa (NDF) e proteine erano rispettivamente 0,87, 0,88 e 0,76. Gli autori hanno suggerito che il valore più basso per le proteine fosse dovuto alla variabilità limitata di questo componente nell’insilato di mais. Mertens e Berzaghi [2009], nel confronto delle capacità predittive di uno spettrofotometro da laboratorio (NIR Systems 6500, Foss, Hillerød, Danimarca) con uno portatile (AgriNIR, DinamicaGenerale, Poggio Rusco, MN, Italia) per la determinazione della SS dell’insilato, hanno riportato che l’errore di previsione di AgriNIR era di circa il 50% maggiore rispetto allo strumento di laboratorio, ma l’errore complessivo era inferiore al 2%. Considerando che la variazione dell’umidità dell’insilato può essere maggiore del 10% da un giorno all’altro, lo strumento portatile consente una significativa correzione della dieta, con un notevole miglioramento nella precisione della quantità di alimento fornito. Patton et al. [2018] evidenziano come gli strumenti portatili, analizzati nel loro studio, siano risultati meno efficienti nella predizione di alcuni parametri sui foraggi, rispetto ad un NIRS da banco. L’applicazione della tecnica NIRS per l’analisi degli alimenti in stalla deve essere studiata e ulteriormente approfondita. Attualmente, può fornire una prima indicazione in tempo reale sulla composizione degli alimenti favorendo un primo intervento da parte dell’allevatore (Figura 2).

Figura 2 – L’uso di uno strumento NIRS portatile, da parte di un allevatore in azienda, può migliorare la gestione aziendale e favorire la Precision Feeding.

4.Analisi dei costituenti chimici e fisici della razione unifeed

La prospettiva dell’uso del NIRS in PLF si è notevolmente ampliata, ed è passata in brevissimo tempo dalla “semplice” previsione della composizione chimica delle materie prime alla previsione della composizione chimica e fisica in miscele di materie prime ovvero nell’unifeed. Il principio della razione unifeed è chiaro: questo tipo di preparazione dietetica, se ideata e preparata correttamente, consente agli animali di ingerire pasti equilibrati in termini di composizione nutrizionale e struttura fisica [Schingoethe, 2017]. Se la razione unifeed non viene preparata e distribuita correttamente, produrrà effetti negativi sulla salute degli animali, sulla produzione e qualità del latte.

Kwang-Seok et al. [2009] hanno testato la spettroscopia NIRS per valutare la composizione chimica dell’unifeed di vacche da latte. I risultati hanno mostrato una relazione lineare tra l’analisi chimica e l’analisi NIRS con R2 di 0,70, 0,97, 0,89, 0,80, 0,93 e 0,89 per umidità, proteine, ceneri, lipidi, fibra acido detersa (ADF) e NDF, rispettivamente. Le capacità predittive della composizione chimica dell’unifeed sono state confermate anche da altri autori. Serva et al. [2016], in uno studio in cui sono stati confrontati metodi tradizionali di analisi chimico-fisica con NIRS portatili, hanno ottenuto ottimi risultati predittivi sulle caratteristiche chimiche della razione. L’R2 era 0,98, 0,82, 0,78, 0,75, 0,94, 0,91 e 0,90 rispettivamente per SS, cenere, proteine, lipidi, NDF, ADF e amido. Tale studio rappresenta un primo approccio all’analisi della composizione fisica dell’unifeed utilizzando la spettroscopia NIRS. Per la componente fisica dell’unifeed, hanno modificato i setacci Penn State Particle Separator (PSPS) come segue: 3,81 cm (S1), 1,91 cm (S2), 0,79 cm (S3), 0,38 cm (S4), 0,18 cm (S5) e fondo. I risultati ottenuti sono stati discreti per S4 e bottom, con un R2 di 0,87 e 0,94, rispettivamente. I risultati della calibrazione per S1, S2, S3, S5 erano scarsi, con R2 rispettivamente di 0,49, 0,39, 0,74 e 0,63. Il loro studio pioneristico dimostra come sia possibile ottenere direttamente informazioni sulla composizione fisica dall’unifeed in stalla.

Gli strumenti portatili per l’analisi delle caratteristiche chimico-fisiche dell’unifeed sono stati progettati per essere utilizzati direttamente in stalla per l’analisi degli alimenti, inseriti su carri miscelatori per ottenere informazioni in tempo reale sulla composizione degli alimenti caricati oppure utilizzati manualmente da personale tecnico. Ad esempio, è fondamentale conoscere il reale contenuto di SS degli alimenti, in quanto le variazioni di umidità dei foraggi (insilato in particolare), anche per brevi periodi [Weiss et al., 2012], possono causare differenze nella composizione della razione. Tali variazioni possono influenzare la salute e la produzione delle vacche da latte, compreso l’aumento dell’incidenza di dislocazione dell’abomaso, acidosi subclinica e fluttuazioni nella produzione media giornaliera di latte, oltre ad influire sulla capacità di ingestione giornaliera [Sova et al., 2014]. Boyd e Mertens [2011] hanno riportato che cambiamenti improvvisi nel quantitativo di SS riducono l’assunzione giornaliera di alimenti, ma è necessaria una variazione superiore al 3% di SS per influenzare la produzione e la qualità del latte. Inoltre, la variabilità del contenuto di SS nella razione unifeed tende a modificare l’appetibilità e influisce sulla selezione degli alimenti [Leonardi et al., 2005; DeVries et al., 2007], determinando il consumo di una dieta sbilanciata. Tuttavia, si è ipotizzato che una leggera variazione giornaliera nella composizione dell’unifeed sia inevitabile [Sova et al., 2014] anche perché la razione viene formulata da un nutrizionista sulla base della SS degli alimenti ma viene di fatto preparata e distribuita in base al suo peso tal quale. Ciò significa che, a parità di peso, l’assunzione di nutrienti varierà in base al contenuto di umidità, con il rischio di sovralimentare o sottoalimentare gli animali, in particolare quando le diete si basano principalmente sugli insilati [McBeth et al., 2013]. Mertens e Berzaghi [2009] hanno valutato gli effetti delle fluttuazioni giornaliere di SS nell’insilato e hanno osservato che la riduzione di SS tra l’8% e il 16% era responsabile della riduzione di 2 kg dell’assunzione di SS, in media, con conseguente perdita di produzione di latte. Piccioli-Cappelli et al. [2019] hanno valutato l’effetto dell’uso di uno strumento NIRS per correggere il quantitativo di SS caricata sul carro miscelatore. Negli allevamenti in cui veniva utilizzato questo strumento NIRS, esso suggeriva la correzione della quantità di insilato da caricare in base al contenuto di SS reale misurata. In questa condizione operativa, la dieta effettiva era più vicina alla dieta target rispetto agli allevamenti in cui NIRS non era utilizzato. Quando NIRS non era attivo, la SS della dieta effettiva variava tra il 97% e il 109,8% della SS della dieta target. Utilizzando NIRS la quantità di SS era più vicina alla dieta target (dal 99,7% al 105,7%). Questi risultati sono molto incoraggianti considerando che l’insilato di mais è solitamente l’ingrediente principale della razione unifeed per vacche da latte.

5.Analisi degli indici di valutazione dell’unifeed (omogeneità e selezione)

Un recente utilizzo della spettroscopia NIRS è quello di valutare l’omogeneità e la selezione della razione unifeed tramite degli indici. L’omogeneità dell’unifeed, intesa come il suo grado di miscelazione e la relativa composizione granulometrica, è di fondamentale importanza, poiché la composizione della razione, dal punto di vista fisico, ha un effetto ben definito sulla stimolazione dell’attività ruminale [Yang e Beauchemin, 2006] e sull’intensità delle fermentazioni [Zebeli et al., 2012]. Razioni disomogenee comportano un’ingestione separata di nutrienti dovuta alla facile selezione operata dagli animali; questo può portare all’alterazione dell’efficienza ruminale, all’alterazione dell’efficienza produttiva e ad un aumento della variabilità tra gli individui [Andrighetto et al., 2016]. Per questo diviene economicamente interessante per la gestione aziendale, la possibilità di verificare le caratteristiche nutrizionali della razione unifeed e controllarne la corretta distribuzione lungo il fronte mangiatoia.

L’uso di strumenti NIRS portatili per valutare l’omogeneità dell’unifeed è riportato per la prima volta da Serva et al. [2016], i quali hanno sviluppato un algoritmo in grado di fornire una stima dell’omogeneità di razioni unifeed per bovini (da carne e da latte). La creazione della curva si è basata sui parametri meglio predetti dal NIRS ed opportunamente “pesati” in termini di importanza rispetto ai valori nutrizionali della razione, e dal confronto con standard definiti normali. L’algoritmo confronta i valori dei parametri con gli standard di riferimento e ne determina la loro deviazione dalla condizione ideale, esso è anche in grado di determinare quale settore di scarico (per ogni parametro) è maggiormente interessato da eventuali disomogeneità. Questo algoritmo è stato testato, da Andrighetto et al. [2016], in condizioni di campo utilizzando un NIRS portatile (PoliSPEC NIR, ITPhotonics, Italia) per valutare le possibili aree in cui si commettono i maggiori errori. I risultati NIRS hanno mostrato una migliore omogeneità degli unifeed preparati con l’aggiunta di acqua rispetto a quelli senza l’aggiunta di acqua. Il diverso momento di carico dell’acqua nel carro miscelatore tendeva a migliorare l’adesione delle particelle fini a quelle grossolane. Gli unifeed erano più omogenei quando l’acqua veniva caricata dopo il fieno. Notevoli miglioramenti sull’omogeneità finale sono stati ottenuti per gli unifeed preparati con la giusta attenzione dell’operatore rispetto a quelli preparati da operatori disattenti. Gli autori hanno concluso che la disponibilità di un NIRS portatile, dotato di una curva di calibrazione specifica, consente di identificare rapidamente razioni non correttamente preparate sia per caratteristiche chimiche che fisiche.

In un nostro studio preliminare (dati non pubblicati), è stato dimostrato che l’omogeneità di distribuzione è influenzata dalla sequenza di carico degli alimenti nel carro miscelatore. In tale studio è stato utilizzato lo strumento portatile PoliSPEC NIR (ITPhotonics, Italia). I risultati NIRS indicano che gli unifeed preparati con la sequenza di carico: fieno-acqua-concentrati-insilati (carro B) hanno mostrato una maggiore omogeneità rispetto a quelli preparati invertendo gli ultimi due alimenti: insilato e concentrati (carro A).

Analizzando i dati dell’indice di selezione (IS), i risultati hanno mostrato che unifeed più omogenei (carro B) risultano meno selezionabili rispetto ad unifeed poco omogenei (carro A); questo confermerebbe che una maggiore omogeneità determina una minore scelta da parte degli animali.

Confrontando l’IS a 1, 2 e 4 ore dopo la distribuzione dell’unifeed, l’indice di selezione tendeva ad aumentare con il tempo. Questi dati evidenziano come la capacità di selezione tenda ad aumentare nel tempo probabilmente anche a causa di eventi atmosferici, come il vento e la radiazione solare, che tendono a ridurre l’umidità, con conseguente aumento della sostanza secca, provocando una separazione delle particelle. Infatti, i parametri più selezionabili erano quelli fisici, quelli che hanno anche mostrato un livello di omogeneità inferiore.

Un risultato interessante riguarda la selezione operata dai due gruppi di animali oggetto di studio, vacche pluripare e primipare. In particolare, IS finale ha mostrato che le vacche pluripare tendono a selezionare i costituenti della razione più delle primipare. Una possibile spiegazione potrebbe essere il diverso comportamento alimentare delle vacche pluripare rispetto alle primipare [Azizi et al., 2008].

6.Analisi della composizione chimica di liquami e letame

La conoscenza della composizione chimica delle feci può fornire informazioni utili su: (i) quantità/qualità dei nutrienti utili alla fertilizzazione (azoto totale, azoto ammoniacale, fosforo, potassio) e qualità del materiale (umidità, SS, rapporto C/N, carbonio totale) per processi di compostaggio o per utilizzarli per produrre biogas, nonché per l’attuazione di strategie efficienti di riduzione delle emissioni; (ii) informazioni sulla digeribilità della razione.

Per conoscere la composizione del letame sono generalmente necessarie analisi di laboratorio o modelli previsionali. L’utilizzo della spettroscopia NIRS, per analizzare la composizione chimica di letame e liquame è di recente introduzione. Malley et al. [2005] hanno valutato la possibilità di utilizzare un NIRS portatile (Zeiss Corona 45 VIS NIR, da 360 a 1690 nm di lunghezza d’onda) come metodo rapido per ottenere informazioni in tempo reale sulle caratteristiche del letame nelle tre fasi di compostaggio. Hanno ottenuto una buona previsione per C totale e organico (R2 = 0,91 per entrambi; RPD = 3,30 e 3,44, rispettivamente), risultati soddisfacenti per il rapporto C:N, pH e K (R2 = 0,87, 0,89, 0,83 e RPD = 2,91, 2,98, 2,43, rispettivamente) e risultati accettabili per N e S totale (R2 = 0,74 e 0,73; RPD = 2,14, 1,90, rispettivamente); i risultati di P erano utili per lo screening (R2 = 0,61; RPD = 1,59). Sono stati ottenuti risultati insoddisfacenti per nitrato + nitrito, P disponibile e Na. Reeves e Van Kessel [2000], utilizzando un sistema FOSS-NIR 6500 (da 400 a 2498 nm di lunghezza d’onda) equipaggiato con un dispositivo di trasporto del campione, hanno ottenuto risultati di calibrazione positivi: NIRS ha determinato con precisione l’umidità (R2 = 0,94), C totale (R2 = 0,95), N totale (R2 = 0,96) e NH3-N (R2 = 0,97), ma scarse predizioni si sono ottenute per le concentrazioni di P e K.

Cabassi et al. [2015] hanno confrontato le prestazioni tra strumentazione da banco e strumenti portatili sulla previsione dei componenti del letame. Gli strumenti messi a confronto erano: (1) NIR System 5000 (FOSS Tecator AB, Danimarca, 1100–2498 nm); (2) NIR Flex N-500 (Büchi, Italia, 1000–2500); (3) Corona 45 (Carl Zeiss, Germania, 960–1690 nm); (4) MEMS LAB POD ™ (Bedford, MA, USA, 1000–1800 nm). I primi due sono strumenti da banco, gli ultimi due sono strumenti portatili. Le differenze sostanziali sono l’ampia banda spettrale (1000–2500 nm) dei due da banco, una maggiore risoluzione spettrale (8 cm-1 e 2 nm) e la tecnologia di dispersione della luce rispetto agli spettrofotometri portatili. I risultati della calibrazione hanno mostrato che tutti gli strumenti erano in grado di prevedere con precisione il contenuto di SS, con valori R2 compresi tra 0,72 e 0,87 e RPD tra 2,5 e 3,7. Per la previsione di N totale, ceneri e N organico, le prestazioni degli strumenti portatili erano inferiori a quelle degli strumenti da banco. Gli autori hanno concluso che l’incapacità di questi strumenti di raggiungere una previsione soddisfacente dell’N totale sembra essere correlata più alla risoluzione strumentale che alla gamma spettrale ridotta degli strumenti portatili. Finzi et al. [2015] hanno mostrato che le prestazioni del NIRS sono principalmente influenzate da due fattori: la preparazione del campione e le configurazioni di lettura; mentre la temperatura non ha un effetto significativo.

La tecnica NIRS si rivela promettente nell’analisi di diversi parametri nel letame, soprattutto se confrontata con i test rapidi attualmente presenti come Slurry Meter, Agros N meter, e Quantofix per la quantificazione dell’N ammoniacale e l’idrometro per N e P [Van Kessel et al., 2000, Piccinini & Bortone 1990; 1991; Zhu et al., 2003; Bhogal et al., 2011]. A differenza della tecnica NIRS, non sono in grado di quantificare più parametri contemporaneamente, poiché lavorano su diluizioni o richiedono reagenti anche se la maggior parte di questi “test rapidi” sono portatili, semplici da usare, relativamente economici e veloci [Van Kessel et al., 2000].

7.Stima della digeribilità dieta da NIRS

L’uso del NIRS per ottenere informazioni sulla digeribilità della dieta è un argomento relativamente recente. Poiché il NIRS si è dimostrato un valido metodo predittivo della composizione chimico/fisica degli alimenti e della composizione delle feci, è stato utilizzato nella stima della digeribilità delle diete somministrate ai ruminanti. La digeribilità è un fattore importante che influisce sull’efficienza degli alimenti ed è influenzata dalla composizione della dieta, dalla genetica e dalla fase fisiologica dell’animale, nonché da fattori ambientali.

Il successo dell’utilizzo del NIRS per prevedere la digeribilità della dieta si basa sul principio che le feci contengono buone informazioni spettrali che consentono di descrivere la composizione della dieta ingerita, nonostante siano influenzate dal processo digestivo.

Diversi studi hanno dimostrato che NIRS può essere utilizzata per prevedere la composizione chimica delle feci [Jancewicz et al., 2017], uNDF240 [Brogna et al., 2018], la digeribilità della sostanza secca (DMD) e la digeribilità della materia organica (OMD) nelle feci [Mehtiö et al., 2016; Nyholm et al., 2009]. Conoscere uNDF potrebbe essere un metodo semplice e veloce per determinare la digeribilità dell’NDF nel tratto gastrointestinale (TTNDFD). Recentemente, Colombini et al. [2020] evidenziano come utilizzando NIRS per prevedere uNDF nelle feci e nell’unifeed, sia possibile stimare TTNDFD applicando una semplice equazione, i risultati ottenuti con questa procedura erano paragonabili a quelli ottenuti con la procedura in vivo (i valori medi per TTNDFD erano 42,8 % vs. 43,2% per i dati NIRS e in vivo, rispettivamente). Uno studio pionieristico sull’uso di uno strumento portatile NIRS per valutare la composizione chimica delle feci per ottenere informazioni sulla digeribilità è stato condotto da Allen et al. [2010]. Le feci sono state in gran parte prelevate dall’ampolla rettale e in parte raccolte dopo la defecazione. I dati dello spettrofotometro portatile sono stati confrontati con le analisi di laboratorio. Lo strumento utilizzato era l’unità ASD Field Spec NIRS (Boulder, CO, USA) con una gamma spettrale da 1100 a 2400 nm. I risultati della calibrazione erano statisticamente significativi per tutti i componenti, i valori di regressione della calibrazione erano da discreti a buoni per le proteine (R2 = 0,89), SS (R2 = 0,69) e NDF (R2 = 0,62) ma non predittivi per ADF (R2 = 0,34) e amido (R2 = 0,31). I valori di regressione per la convalida del set di calibrazione sono risultati bassi (R2 <0,35) e statisticamente non significativi. Gli autori presumevano che i risultati scarsi fossero probabilmente dovuti al basso numero di campioni utilizzati (58 per la calibrazione e 7 per la convalida).

Grande interesse è la potenziale capacità della spettroscopia NIRS di prevedere il contenuto di amido nelle feci. La concentrazione di amido fecale (FS) è un eccellente indicatore della digeribilità dell’amido nel tratto gastro-intestinale dei bovini [Corona et al., 2005]. Migliorare la digeribilità dell’amido è un aspetto fondamentale visto il costo elevato dei concentrati. In generale, la digeribilità dell’amido nelle vacche da latte varia dal 70% al 100% ed è influenzata da molteplici fattori. Fernandez et al. [1982] hanno riportato una relazione tra digeribilità dell’amido e FS per le vacche da latte, confermata da Fredin et al. [2014] che ha utilizzato NIRS per prevedere la FS in campioni fecali macinati essiccati utilizzando Foss-NIR System 6500 (Silver Spring, MD). La concentrazione di FS è stata prevista con buona precisione per le varie trasformazioni matematiche spettrali, con alti coefficienti di determinazione (R2> 0,83) e un basso errore standard di previsione (SEP = 0,78–0,57). È stata dimostrata l’elevata corrispondenza tra la concentrazione di FS sulla sostanza secca e la digeribilità dell’amido nelle vacche da latte [Corona et al., 2005; Fernandez et al., 1982; Fredin et al., 2014].

8.Analisi on-line della qualità del latte (totale e individuale) in sala di mungitura

La spettroscopia a infrarossi (IR) rappresenta una tecnica rapida, economica e di facile utilizzo, disponibile sia per le analisi on-line che off-line del latte. Per le matrici liquide come il latte, inizialmente la spettroscopia analitica utilizzata era il medio infrarosso (MIRS), anche se ora si sta diffondendo l’uso del NIRS. MIRS può analizzare molti campioni al giorno (fino a 500 campioni / h). Tuttavia, l’apparato MIRS è molto costoso. NIRS ha un potenziale di analisi inferiore (circa 150-200 analisi al giorno) ma è più economico (circa 1:20 rispetto a MIRS) e può analizzare più matrici [Coppa et al., 2014]. La conoscenza dei costituenti del latte fornisce utili feedback per monitorare e gestire al meglio la nutrizione. I grassi e le proteine ​​del latte sono direttamente collegati all’apporto energetico e alla struttura fisica della fibra grezza nella razione; inoltre, il rapporto tra grassi e proteine ​​è in generale un indicatore più sensibile dello stato metabolico degli animali rispetto ai grassi o alle proteine ​​usati separatamente. Un rapporto grasso-proteine ​​compreso tra 1,2 e 1,4 è ottimale ed implica un bilancio energetico positivo [Brandt et al., 2010]; un rapporto grasso-proteine > 1,4 [Schcolnik, 2016] o 2,0 [Toni et al., 2011] è stato descritto rispettivamente come indice di bilancio energetico negativo o chetosi subclinica.

La conoscenza del quantitativo di proteine ​​e di urea fornisce indicazioni sull’equilibrio tra l’apporto energetico e la concentrazione di proteine ​​nella dieta [Melfsen, et al., 2012]. L’urea risulta essere un potente indicatore; infatti, viene regolarmente utilizzata dai nutrizionisti per monitorare e ottimizzare la nutrizione proteica. Un bilancio azotato non uniforme nell’allevamento, causato da livelli eccessivi di proteine nella dieta, può essere espresso in un’alta concentrazione di urea nel latte, la quale può variare da 18,0 a 39,0 mg/dL [Gustafsson e Palmquist, 1993].

Il numero di cellule somatiche (SCC) permette di avere informazioni sulla salute e funzionalità della ghiandola mammaria oltre che sulla qualità tecnologica del latte.

La spettroscopia nel vicino infrarosso può essere applicata a tutta la filiera del latte per verificarne la qualità: dal latte crudo direttamente in azienda, nella linea di produzione, per analisi di routine fuori linea, ed infine sui prodotti finiti (formaggio, yogurt, ecc.). Molti studi hanno dimostrato che il NIRS fornisce risultati precisi sulla previsione di molteplici parametri del latte, come grasso, proteine, caseine, urea, lattosio, cellule somatiche, acidi grassi, ecc. [Chen et al., 1999; Laporte e Paquin, 1999; Purnomoadi et al., 1999; Pravdova et al., 2001]. Tuttavia, la maggior parte della ricerca è stata condotta sul latte in modalità off-line, o meglio non direttamente in sala di mungitura. Recentemente, sono stati effettuati test utilizzando il NIRS direttamente nelle sale di mungitura per avere un controllo individuale in modo da ottenere informazioni sulla qualità del latte e sullo stato di salute delle vacche [Kawamura et al., 2007; Kawasaki et al., 2008; Melfsen et al., 2012; Iweka et al., 2016; De la Roza-Delgado et al., 2017; Llano Suarez et al., 2018; Diaz-Olivares et al., 2020; Iweka et al., 2020]. Studi pionieristici sulla possibilità di utilizzare strumenti NIRS in azienda sono stati condotti da Tsenkova et al. [1999]. Il loro studio è stato condotto su latte non omogeneizzato, in modalità on-line durante il processo di mungitura, ed ha confrontato le prestazioni del NIRS a diversi intervalli di lunghezze d’onda (da 400 a 2500 nm) ed a diversi spessori di campione (1, 4 e 10 mm). I risultati mostrano che la regione spettrale e lo spessore del campione sono fattori significativi per la determinazione del grasso del latte e delle proteine ​​totali, ma non per il lattosio. Sono stati ottenuti buoni risultati per applicazioni in linea con regione spettrale di 700–1100 nm, ma la migliore precisione è stata ottenuta nella regione di 1100–2400 nm e con uno spessore del campione di 1 mm. Una buona previsione del lattosio è stata ottenuta da Kawamura et al. [2007]. Questi autori, utilizzando un intervallo di lunghezze d’onda di 600-1050 nm, hanno sviluppato modelli di calibrazione per la previsione di grassi, proteine, lattosio, SCC e azoto ureico (MUN) su latte non omogeneizzato. I risultati, espressi come R2 e SEP del set di validazione, hanno mostrato una buona previsione per il grasso (R2 = 0,95, SEP = 0,42%), proteine ​​(R2 = 0,91, SEP = 0,09%), lattosio (R2 = 0,94, SEP = 0,05%) e MUN (R2 = 0,90, SEP = 1,33 mg / dL), e una più bassa per SCC (R2 = 0,82, SEP = 0,27 log SCC/mL). Applicando sistemi di previsione NIRS su robot di mungitura automatica (AMS), Kawasaki et al. [2008] hanno ottenuto risultati leggermente inferiori per la previsione di molti parametri del latte. Diaz-Olivares et al. [2020], applicando un rilevatore NIRS su AMS in grado di raccogliere e analizzare automaticamente un campione di latte per ciascuna mungitura, hanno ottenuto risultati soddisfacenti per la previsione di grassi e proteine ​​(R2 > 0,89) ma una scarsa previsione per il lattosio (R2 = 0,64). Applicazioni in linea, riportate da Melfsen et al. [2012], hanno mostrato capacità predittive molto elevate per grassi, proteine ​​e lattosio, e soddisfacenti per il contenuto di urea del latte e SCC. La capacità di previsione degli strumenti NIRS sul latte non omogeneizzato è stata supportata da studi recenti [Iweka et al., 2016; 2020]. I risultati hanno indicato che NIRS può essere utilizzato per determinare la qualità del latte in tempo reale durante la mungitura, fornendo informazioni agli allevatori sulle caratteristiche del latte e sulle condizioni fisiologiche di ogni vacca [Kawasaki et al., 2008; Diaz-Olivares et al., 2020].

Un indice cruciale per diagnosticare la presenza di bilancio energetico negativo nelle vacche da latte è la concentrazione dei corpi chetonici del latte. La spettroscopia infrarossa in trasformata di Fourier (FTIR) è il metodo spettrofotometrico utilizzato per questo tipo di parametri. Diversi studi hanno documentato la capacità dell’analisi FTIR sul latte per prevedere l’acetone e il β-idrossibutirrato (BHB) [Hansen, 1999; Heuer et al., 2001; De Roos et al., 2007; Van Knegsel et al., 2010]. La determinazione di questi parametri direttamente nel latte è di grande vantaggio, perché la loro determinazione tramite il prelievo di sangue richiede molto tempo ed è una procedura invasiva e stressante per le vacche [Benedet et al., 2019]. Enjalbert et al. [2001] hanno suggerito che l’individuazione di chetosi subclinica è molto più facile nel latte che nel sangue, e hanno anche dimostrato alti coefficienti di correlazione di acetone tra sangue e latte (r = 0,96). L’applicabilità di tale tecnica, in un sistema in linea in sala di mungitura, potrebbe essere migliorata includendo le caratteristiche della vacca che sono correlate alla suscettibilità all’iperchetonemia (condizione corporea, settimana di lattazione o livello di produzione di latte) [Duffield et al., 2009]. Questo consentirebbe di aumentare l’accuratezza nella previsione del rischio di iperchetonemia per singola vacca e di ottimizzare l’alimentazione riducendo il rischio a livello di mandria.

Secondo diversi autori, il monitoraggio dei livelli di progesterone nel latte rappresenta un mezzo ideale ed economico per monitorare lo stato riproduttivo, rilevare il calore e diagnosticare la gravidanza nelle vacche [Hoffmann et al., 1976; Käppel et al., 2007; Posthuma-Trumpie et al., 2009; Omontese et al., 2020]. La quantificazione del progesterone con metodi tradizionali presenta degli svantaggi tra cui il campionamento, l’uso dell’attrezzatura e/o dei pretrattamenti del campione che sono costosi e richiedono tempo, rendendo la determinazione di routine del progesterone lunga e costosa [Friggens e Chagunda, 2005; Yu e Maeda, 2017; Iweka et al., 2020]. Per superare questi problemi, il monitoraggio in loco del progesterone può essere implementato nella sala di mungitura e si ritiene che sia una soluzione efficace [Yu e Maeda, 2017]. Iweka et al. [2020] hanno valutato la capacità di previsione di un sistema NIRS in linea per la rilevazione del livello di progesterone ad ogni mungitura e per ogni vacca. Questo studio pionieristico ha ottenuto risultati molto promettenti e ha gettato le prime basi per studi successivi sull’argomento. Gli autori hanno concluso che il monitoraggio del progesterone può attualmente essere utilizzato come screening ma questa tecnica, abbinata ad altri sistemi di rilevamento dell’estro, può rappresentare un mezzo efficace per rilevare il giusto momento del calore. Tallo-Parra et al. [2017] hanno utilizzato il NIRS per rilevare le concentrazioni di cortisolo e progesterone nei peli di vacca come indicatori di stress e stato riproduttivo, rispettivamente. La spettroscopia nel vicino infrarosso ha dimostrato la sua capacità di prevedere le concentrazioni di cortisolo e progesterone con una certa accuratezza (R2 = 0,90 per cortisolo e R2 = 0,87 per progesterone).

C’è un forte interesse per l’analisi in tempo reale a livello aziendale, sia da parte delle industrie lattiero-casearie che da parte degli allevatori che trasformano il loro latte in azienda, per quanto riguarda le proprietà tecnologiche del latte, soprattutto per chi realizza tipologie di prodotti con un elevato standard di qualità e tipicità. Le proprietà tecnologiche del latte sono rappresentate da una serie di parametri quali: il tempo di coagulazione del caglio (RCT; min), il tempo di rassodamento della cagliata (k20; min), la compattezza della cagliata 30 min dopo l’aggiunta del caglio (a30; mm), pH ed acidità titolabile (TA; gradi Soxhlet-Henkel/100 mL), nonché contenuto di Ca e P. Attualmente la previsione di questi parametri è stata studiata mediante spettroscopia MIR [Dal Zotto et al., 2008; Cecchinato et al., 2009; De Marchi et al., 2009; Toffanin et al., 2015; Calamari et al., 2016; Soulat et al., 2020]. La tecnica NIRS per l’analisi dei parametri tecnologici del latte non è stata studiata; in futuro questi parametri potrebbero essere analizzati dal NIRS, che invece è risultato più adeguato del MIRS, per la previsione dei micronutrienti del latte come carotenoidi, vitamine ed acidi grassi come suggerito da uno studio di Soulat et al. [2020].

Nel campo della sicurezza alimentare, molto interesse è rivolto all’utilizzo della tecnica NIRS per identificare frodi e/o adulterazioni che possono verificarsi nel settore lattiero-caseario, come l’aggiunta di acqua [Moreira et al., 2016] o siero di latte, e l’aggiunta fraudolenta di melanina, urea [Ejeahalaka e On, 2020] e glucosio [Liu et al., 2011].

L’analisi spettroscopica (NIRS e MIRS) del latte in sala di mungitura si è dimostrata un valido mezzo per migliorare la gestione dell’allevamento bovino da latte. Dal momento che le vacche vengono munte due o tre volte al giorno, i campioni di latte forniscono informazioni sullo stato attuale della mandria/individuo e possono essere raccolti ed analizzati regolarmente senza influire negativamente sulla vita quotidiana dell’animale.

In conclusione, conoscere in tempo reale la composizione chimica del latte permette:

  • di monitorare la qualità chimico-bromatologica e tecnologica del latte da destinare al consumo umano o alla trasformazione/caseificazione;
  • il monitoraggio e controllo per prevenire le frodi alimentari sul latte;
  • il monitoraggio dello stato riproduttivo (a livello di mandria o per singoli animali);
  • il monitoraggio dello stato di salute e fisiologico (a livello di mandria o per singoli animali);
  • di predisporre miglioramenti genetici per tratti di interesse;
  • di ridurre i costi sostenuti per le analisi periodiche del latte.

9.Conclusioni e prospettive future

Tra le tante tecnologie PF, l’utilizzo della spettroscopia NIRS a supporto della gestione dell’alimentazione delle vacche da latte è senza dubbio una delle più promettenti. L’utilizzo di strumenti NIRS portatili per valutare la composizione fisico-chimica dell’unifeed e delle feci rappresenta una tecnologia di recente introduzione. Le attuali soluzioni proposte per il controllo e la gestione della razione unifeed prevedono l’utilizzo di sistemi NIRS direttamente sul carro miscelatore.

Dalla sua applicazione su materie prime, unifeed e feci si possono ottenere, o derivare, valori ed indici che guidano le scelte dell’allevatore per attuare rapidamente azioni correttive o preventive per migliorare, o comunque mantenere costante nel tempo, la gestione dell’allevamento. Un altro vantaggio ottenibile è la conoscenza della struttura fisica della razione ed inoltre la stima dell’omogeneità di distribuzione e dell’indice di selezione della razione unifeed. La determinazione nella stalla delle caratteristiche chimiche delle feci può consentire la stima della digeribilità della dieta. L’analisi spettroscopica del latte in sala di mungitura si dimostra un valido mezzo per migliorare la gestione su diversi aspetti inerenti all’allevamento bovino da latte. In particolare, la rilevazione di alcuni parametri nel latte – come progesterone, SCC, grassi, proteine, ecc. – durante la mungitura consente di monitorare lo stato di salute, fisiologico e riproduttivo a livello di mandria o per singole vacche, nonché di controllare caratteristiche chimico-bromatologiche e tecnologiche del latte. Inoltre, l’applicazione del NIRS sull’AMS potrebbe essere un valido aiuto per un controllo più specifico delle singole vacche, ad ogni singola mungitura.

La strumentazione NIRS sarebbe estremamente utile per analizzare tutti i punti critici di controllo nella gestione dei bovini da latte, consentendo di migliorare il benessere, la produzione, la riproduzione degli animali, nonché la sostenibilità dell’allevamento anche in termini economici. La letteratura esaminata ha dimostrato che l’utilizzo di NIRS in azienda, attraverso opportune curve di calibrazione, rappresenta una tecnica analitica rapida e precisa. I potenziali benefici, come ampiamente discusso, sono enormi.

I limiti alla diffusione di queste tecnologie nell’ambito delle aziende agricole includono il costo dell’investimento ed il difficile ammortamento, soprattutto nelle piccole e medie aziende dove le tecnologie di base sono generalmente carenti. Inoltre, dovrebbero essere considerati l’età avanzata degli allevatori ed il basso tasso di digitalizzazione nel settore agricolo rispetto ad altri settori. Un altro limite è la necessità di procedure di calibrazione, gestione ed interpretazione dei dati. Si consiglia quindi di affidarsi a personale specializzato. Pertanto, l’assistenza all’allevatore è essenziale per il corretto utilizzo di queste nuove tecnologie e sarà importante per aumentarne l’uso in azienda.

Ulteriori ricerche dovrebbero essere condotte per ampliare i campi di applicazione della spettroscopia NIRS che non sono attualmente considerati. Inoltre, NIRS è in fase di sviluppo per essere utilizzato in azienda tramite smartphone con app speciali in modo da avere “la tecnologia a portata di mano”.

 

Sinossi tratta dall’articolo: An Overview on the Use of Near Infrared Spectroscopy (NIRS) on Farms for the Management of Dairy Cows.

Agriculture 2021, 11(4), 296; https://doi.org/10.3390/agriculture11040296

Di Chiara Evangelista, Umberto Bernabucci e Loredana Basiricò

Dipartimento di Scienze Agrarie e Forestali, Università degli Studi della Tuscia, Viterbo.