Classificazione degli agnelli da carne tramite la rilevazione di immagini con gli ultrasuoni

Uno dei processi caratteristici di un'azienda zootecnica, e più specificamente di una sala di alimentazione, è la classificazione degli animali in base al peso e al sesso prima della macellazione. Ciò consente alle stalle di classificare gli animali in base alle specifiche di qualità della carne e quindi di adeguare il prezzo per animale in base alla qualità futura prevista.

Oltre al peso e al sesso, il comportamento e l'alimentazione degli animali sono monitorati nelle stalle grazie alle tecniche di allevamento di precisione (Precision Livestock Farming, PLF). Ciò consente, ad esempio, di prevedere le malattie in base al comportamento degli animali, di migliorare la produttività dell'allevamento o di monitorare la crescita. Tuttavia, tutti questi processi, soprattutto negli allevamenti estensivi di ovini, non sono oggi sufficientemente diffusi. Ciò è dovuto alle caratteristiche specifiche di questo settore, come la sua scarsa forza economica rispetto ad altre specie, il basso livello di tecnologizzazione e la differenza di comportamento degli agnelli rispetto ad altre specie.

Il fattore principale nella vendita della carne è la qualità, che è strettamente legata al prezzo della carne, per cui si può dire che l'allevatore deve curare diversi aspetti durante la crescita degli animali per garantire una qualità ottimale della carne e quindi una maggiore redditività della sua azienda.

Il peso al quale l'animale viene macellato, la sua alimentazione o l'attività svolta durante la crescita possono influire sulla qualità della carne. Inoltre, il trattamento durante la manipolazione degli animali o lo stress a cui sono sottoposti possono influenzare anche il sapore del prodotto finale. La quantità e la qualità del grasso di un animale contribuiscono alla percezione di una qualità superiore o inferiore della carne e, nel caso dell'agnello, è stato dimostrato che influisce sul sapore della carne.

Attualmente, sebbene esistano metodi per la classificazione automatica delle carcasse di manzo in base alla quantità di grasso, o anche la previsione e la classificazione dei suini vivi in base al loro grasso. Nell'agnello, non esistono metodi automatici in grado di misurare il grasso dell'animale vivo prima della macellazione e di prevedere la quantità di grasso che avrà sulla carcassa.

Sebbene esistano studi che utilizzano gli ultrasuoni o la tomografia computerizzata per ottenere dati sulla composizione corporea, il modo più comune per prevedere quanto sarà ingrassata la carcassa, i metodi comunemente utilizzati in questo tipo di allevamento sono la palpazione della regione lombare, la palpazione della coda dell'animale, la stima a vista e l'esperienza dell'allevatore. Questi metodi non sono adatti a determinare la quantità di grasso di un animale, né tanto meno a classificarlo, perché non sono né affidabili né oggettivi.

Ciò significa che la qualità del prodotto carneo e il prezzo ottenuto per l'animale non trovano una corrispondenza adeguata. Questi processi dovrebbero essere eseguiti poco prima della macellazione, quindi nelle ultime fasi del processo di manipolazione degli animali nella stalla. Tuttavia, questi processi hanno barriere difficili da superare e requisiti per essere efficaci.

Uno degli ostacoli più importanti è il continuo movimento dell'agnello. L'agnello è una specie che tende a raggrupparsi ed è molto irrequieto in piccoli gruppi o individualmente. La misurazione del grasso deve essere sufficientemente accurata e oggettiva perché il risultato sia rilevante, poiché la differenza di grasso tra un agnello considerato poco grasso e un agnello considerato molto grasso è molto piccola. Infine, il metodo di misurazione deve essere non invasivo e il meno stressante possibile per l'agnello.

In altri settori e specie sono stati osservati diversi metodi non invasivi di misurazione del grasso. Si va dalle misurazioni esterne del corpo dell'animale, ai metodi che utilizzano la tecnologia ottica 3D o la risonanza, all'uso dell'impedenza bioelettrica o degli ultrasuoni. La possibilità di effettuare una misurazione in un unico punto per determinare la quantità di grasso nell'agnello rende la tecnologia a ultrasuoni una delle più adatte al settore. Inoltre, considerando le caratteristiche dell'allevamento ovino, la sua situazione economica e lo stress delle altre tecnologie esaminate, la tecnologia a ultrasuoni potrebbe essere la più adatta alle esigenze del processo e allo stato del settore.

L'uso di questa tecnologia si è riflesso in diversi articoli di ricerca volti a misurare il grasso corporeo in diverse specie. In molti di essi, la misurazione del grasso corporeo è risultata direttamente correlata al peso, al sesso o alla morfologia dell'animale. Nel caso degli agnelli, è stato precedentemente dimostrato che questa tecnologia potrebbe essere efficace per prevedere la quantità di grasso negli animali vivi, in quanto ha un'ottima correlazione con la misurazione effettiva sulla carcassa dell'animale.

Tuttavia, questa tecnologia è caratterizzata dall'acquisizione di immagini con qualità molto specifiche. La caratteristica principale è l'assenza di colore, tutte queste immagini sono in bianco e nero, identificando i tessuti solidi in bianco come le ossa e i liquidi in nero. A seconda della densità del tessuto, la tonalità è più scura o più chiara.

Nel caso del grasso, a causa della sua densità, la tonalità di grigio è più chiara rispetto al muscolo. Per isolare il grasso dal resto dell'immagine, è necessario eseguire un'adeguata elaborazione dell'immagine.

L'elaborazione delle immagini a ultrasuoni è ampiamente utilizzata in altri campi di ricerca, in particolare nelle applicazioni mediche. Numerosi studi hanno applicato tecniche di analisi delle immagini per rilevare e prevedere la presenza di tessuti cancerosi.

Queste immagini mediche a ultrasuoni sono tipicamente in scala di grigi ad alto contrasto, il che facilita l'elaborazione in alcuni scenari. Tuttavia, è importante notare che le immagini a ultrasuoni presentano intrinsecamente diversi livelli di grigio e la loro qualità può variare in modo significativo a seconda di fattori quali la frequenza della sonda, la calibrazione dell'apparecchiatura e le condizioni di scansione. Inoltre, queste immagini sono soggette ad artefatti intrinseci come il rumore speckle, l'ombreggiatura acustica, la riverberazione e gli effetti di immagine speculare, che possono influenzare la chiarezza e l'accuratezza delle informazioni estratte.

Sebbene i continui progressi tecnologici continuino a migliorare l'accuratezza e l'utilità delle immagini ecografiche, l'analisi automatica rimane una sfida tecnica, in particolare in contesti anatomici complessi o variabili. Tuttavia, nel caso dell'imaging del grasso, è spesso possibile differenziare chiaramente lo strato iniziale di grasso sottocutaneo dal muscolo sottostante e persino individuare strutture ossee o altre regioni di interesse. Pertanto, l'elaborazione delle immagini a ultrasuoni può ancora fornire risultati relativamente buoni con bassi requisiti computazionali, consentendo un'applicazione quasi in tempo reale o addirittura in tempo reale in condizioni adeguate.

L'obiettivo di questa pubblicazione è generare un metodo adeguato per valutare la quantità di grasso nell'agnello. Il peso dell'agnello al momento della macellazione e la quantità di grasso nella carcassa determinano il prezzo che l'allevatore percepisce per ogni agnello.

In questo caso, il progetto si concentra sulla vendita di carne con il marchio di qualità IGP “Ternasco de Aragón”. Per questo motivo, l'agnello deve essere macellato con un certo peso vivo (da 19 a 26 kg) e una qualità di carne di prima scelta, determinata dal tipo di carne e dalla quantità di grasso presente nella carcassa. Se questi due requisiti vengono raggiunti, l'allevatore otterrà una remunerazione economica per animale nettamente superiore rispetto al caso opposto. Tuttavia, per prevedere la quantità di grasso che l'agnello avrà sulla carcassa è necessario rilevarla negli animali vivi, in modo da aggiungere un nuovo tipo di classificazione degli animali prima della macellazione e, quindi, adeguare il prezzo che ogni allevatore riceve.

Pertanto, la presente pubblicazione propone un metodo automatizzato non invasivo, veloce e comodo per la classificazione degli agnelli in base al loro grasso vivo mediante l'elaborazione di immagini a ultrasuoni.

Le immagini ecografiche vengono acquisite con uno scanner nella zona lombare dell'agnello e la quantità di grasso vivo dell'animale viene stimata utilizzando diverse tecniche di elaborazione delle immagini. Con tutto ciò, viene proposta una stazione che consente di pesare, bloccare e misurare il grasso vivo dell'agnello e un software che permette di classificare gli agnelli vivi nello scivolo di una mangiatoia mantenendo la scala di classificazione attualmente utilizzata nelle carcasse di agnello post-mortem. L'innovazione di questo studio è l'incorporazione al settore ovino, più specificamente agli agnelli, di tecniche e tecnologie che sono già state trovate in altri articoli di ricerca e in esperimenti di successo, ma in altre specie animali, in quanto non sono correttamente sviluppate in questo settore, quindi l'obiettivo è quello di risolvere i problemi del settore sopra descritti.

Questo progetto è stato parzialmente illustrato quando era ancora in fase di sviluppo. Ora che è stato completato, questo articolo presenta il risultato del dispositivo e del software con le funzionalità aggiunte e i miglioramenti apportati per ottenere una previsione ottimale del grasso degli agnelli vivi. Nelle sezioni seguenti verrà illustrato il processo di progettazione e sviluppo della stazione di misurazione del grasso negli animali vivi, che è stato suddiviso in due parti chiaramente differenziate. In primo luogo, un immobilizzatore per agnelli e successivamente il software per il calcolo del livello di grasso.

Conclusioni e possibili sviluppi dello studio

È stato sviluppato un dispositivo in grado di bloccare un agnello e un software che consente la classificazione automatica dell'agnello tenendo conto delle variabili di sesso, peso e livello di grasso. Inoltre, l'intero processo viene eseguito con il minor stress possibile per l'animale, cercando di non rallentare il processo di classificazione, in modo che i profitti generati da questo nuovo metodo di classificazione nel settore ovino non vengano ridotti dal tempo necessario per misurare il grasso.

Questo progetto rappresenta un significativo passo avanti verso la tecnologizzazione del settore ovino. Introducendo un metodo oggettivo e automatizzato per la classificazione del grasso, è possibile migliorare notevolmente l'accuratezza della previsione della qualità della carcassa già nelle prime fasi della produzione. Questo non solo migliora la consistenza e la qualità del prodotto finale che arriva al consumatore, ma fornisce anche agli allevatori un ulteriore strumento di gestione per ottimizzare le strategie di alimentazione e le decisioni di marketing, migliorando potenzialmente la loro redditività.

Per l'industria, l'adozione di sistemi di classificazione in tempo reale a livello di feedlot offre l'opportunità di standardizzare i prodotti in modo più efficace, di rispondere meglio alle richieste del mercato e di allineare la produzione di agnello con marchi di qualità specifici come l'Indicazione Geografica Protetta (IGP) “Ternasco de Aragón”. Inoltre, la riduzione dello stress degli animali durante la manipolazione è in linea con le crescenti preoccupazioni della società per il benessere degli animali, che sta diventando un fattore sempre più importante nella percezione e nel comportamento d'acquisto dei consumatori.

Dal punto di vista della ricerca, il lavoro futuro dovrebbe concentrarsi sull'espansione del database per includere agnelli di una gamma più ampia di livelli di grasso e di razze diverse, migliorando così la robustezza e la generalità dei modelli predittivi. Inoltre, un ulteriore perfezionamento degli algoritmi di elaborazione delle immagini e l'esplorazione di tecniche di apprendimento automatico potrebbero migliorare l'accuratezza della classificazione e consentire la previsione simultanea di altri tratti della carcassa di interesse, come lo sviluppo muscolare o il contenuto di grasso intramuscolare.

---

Fonti: Il presente articolo è un estratto della pubblicazione intitolata "Live lamb classification method based on fat, sex, and weight using ultrasound images to optimise slaughter decision-making" e consultabile integralmente nell'Italian Journal of Animal Sciences al seguente link:

https://www.tandfonline.com/doi/full/10.1080/1828051X.2025.2508222