Predizione in tempo reale degli eventi di eruttazione nel bestiame usando le vibrazioni della testa e il machine learning in un dispositivo indossabile IoT

Perché i rutti delle mucche contano per il clima

La maggior parte delle persone non si preoccupa di un rutto di mucca, ma queste piccole emissioni di gas si sommano silenziosamente a un grande problema climatico. Le mucche e altri animali da pascolo rilasciano grandi quantità di metano, un gas che intrappola il calore molto più efficacemente dell’anidride carbonica nel breve periodo. Tuttavia, gli strumenti migliori oggi per misurare questo metano sono costosi, ingombranti e spesso richiedono di allontanare gli animali dal loro pascolo abituale. Questo studio presenta un nuovo modo per monitorare in tempo reale i rutti associati al metano usando un’imbracatura leggera per la testa e algoritmi intelligenti, aprendo la strada a monitoraggi climatici più economici e rispettosi degli animali nelle aziende agricole.

Un’imbracatura intelligente per bovini al pascolo

I ricercatori hanno progettato un’imbracatura speciale che una mucca può indossare mentre si muove e si alimenta normalmente. Nelle fasce sopra il muso, il collo e la nuca sono integrati piccoli sensori di movimento che captano sottili vibrazioni nella testa dell’animale. Un piccolo sensore di gas può essere posizionato davanti al naso per rilevare il metano, e tutta l’elettronica è montata su una compatta scheda che funziona con una piccola batteria. Il sistema invia i dati in modalità wireless a uno smartphone o a un tablet, dove un’app dedicata mostra i segnali in arrivo e li archivia per analisi successive. L’intero dispositivo pesa più o meno quanto un collare leggero, quindi le mucche possono muoversi e pascolare in modo naturale.

Trasformare i rutti in dati

Per insegnare al sistema come appare un rutto nei dati, il team ha prima avuto bisogno di esempi affidabili. Hanno usato il sensore di metano per segnalare i momenti in cui i livelli di gas davanti al naso della mucca aumentavano bruscamente rispetto al valore di fondo. Ognuno di questi picchi ha contrassegnato un probabile episodio di eruttazione. Contemporaneamente, i sensori di movimento registravano come la testa della mucca si muoveva e vibrava. Gli scienziati quindi hanno suddiviso questi registri di movimento in brevi finestre temporali attorno a ogni picco di metano e hanno calcolato semplici riepiloghi dei movimenti — ad esempio quanto erano grandi, quanto variabili e quanto duravano le vibrazioni in ciascuna direzione. Questi riepiloghi sono diventati gli ingredienti forniti ai modelli computazionali per separare le finestre "rutto" dal comportamento normale.

Insegnare alle macchine a riconoscere i rutti

Con questi dati etichettati in mano, il team ha provato una serie di metodi di apprendimento automatico, incluse alberi decisionali, foreste casuali, metodi di boosting e reti neurali. Nel primo ciclo di test su due mucche e tre posizioni dei sensori, i modelli che utilizzavano i dati di tutti e tre i sensori della testa hanno ottenuto le migliori prestazioni, identificando correttamente le finestre correlate ai rutti in circa tre quarti dei casi. Successivamente, i ricercatori hanno ampliato i test a sette mucche e si sono concentrati su un singolo sensore ben posizionato, il che ha reso il problema più difficile perché gli animali differiscono nei loro movimenti. Anche così, un modello di rete neurale compatto ha continuato a performare meglio del caso e ha rilevato correttamente molti eventi su dati nuovi. È importante che i modelli finali siano stati compressi abbastanza da poter essere eseguiti direttamente su piccoli chip a basso consumo, permettendo all’imbracatura di fare predizioni sul posto senza accesso costante a Internet.

Sfide reali sul campo

Rilevare i rutti in un pascolo è più complicato di quanto sembri. L’eruttazione è relativamente rara rispetto a tutti i momenti in cui una mucca sta semplicemente in piedi, sdraiata, camminando o masticando. Questo significa che i dati sono fortemente sbilanciati: per ogni vero rutto ci sono molti non‑eventi. Il team ha affrontato questo problema selezionando con cura e sovrapponendo le finestre temporali durante l’addestramento in modo che i modelli vedessero un numero sufficiente di esempi positivi. Hanno anche verificato quanto bene il sistema funzionasse in condizioni naturali dove i non‑eventi superano di gran lunga i rutti. In quel contesto più impegnativo, il loro miglior modello ha comunque individuato molti più eventi veri rispetto a una stima casuale, a costo di alcuni falsi allarmi. I test su singoli animali hanno mostrato che alcuni esemplari sono risultati più facili da classificare di altri, mettendo in evidenza la necessità di dataset più ampi e vari in studi futuri.

Cosa significa per un’agricoltura più pulita

In termini semplici, questo studio mostra che si possono ascoltare i movimenti della testa di una mucca invece di misurare il gas continuamente e ottenere comunque un quadro utile di quando si verificano rutti ricchi di metano. L’attuale sistema non sostituisce ancora gli strumenti di riferimento e rileva eventi definiti da picchi di metano anziché provare direttamente la quantità esatta di gas emessa. Ma offre un modo promettente e a basso costo per attivare sensori di metano più energivori solo durante i probabili rutti, estendere la durata della batteria e monitorare gli animali senza confinarli in camere. Con più animali, prove più lunghe e collegamenti più stretti ai metodi di misura consolidati, questo tipo di imbracatura intelligente potrebbe diventare parte di strumenti pratici e rispettosi degli animali che aiutino agricoltori e scienziati a tracciare e, in ultima analisi, ridurre il metano del bestiame.

Citazione: Moncayo, J., Velasquez, M.L., Riveros, P.E. et al. Real-time eructation event prediction in livestock using head vibrations and machine-learning in an IoT wearable device. Sci Rep 16, 9099 (2026). https://doi.org/10.1038/s41598-026-42728-0

Parole chiave: metano del bestiame, sensori indossabili, apprendimento automatico, agricoltura di precisione, gas serra