Enhancing dairy farm efficiency and animal welfare: a real-time location system approach for precision livestock farming

The dairy industry has experienced substantial growth in response to rising consumer demand, resulting in the establishment of large-scale dairy farms. Nevertheless, this expansion has presented challenges, such as a decline in animal welfare and sustainability. Consequently, the adoption of Precision Livestock Farming in the dairy sector has become imperative to make well-informed decisions regarding animal health, nutrition, breeding, and overall farm management. This study aims to design and develop a system that takes advantage of a cutting-edge Real-Time Location System to track the position of cows within a barn and provide additional insights for cow monitoring and analysis. The project is built upon GALA, an IoT-integrated and automated system for the monitoring of the whole barn environment developed in collaboration with the Department of Agricultural and Environmental Sciences of the University of Milan. In particular, among the other devices that compose the system, a relevant role is played by a collar-mounted embedded device able to predict cow behaviors from accelerometer data. Starting from GALA, this study takes a vertical approach by addressing the problem at different levels: the development of an algorithm to enhance localization accuracy by exploiting accelerometer information, the extension of the aforementioned device’s module firmware to allow it to act as a localization tag and the design and implementation of multi-level architecture for real-time data processing that prioritizes efficiency and minimizes power consumption, making it suitable for real-world application. By using a rigorous validation process, we demonstrated an accuracy of 78% in tracking a tag within a 1.5-meter range and of 90% in the behavior-related zone assignments. Such results allow us to explore the correlation between cow behavior and position, leading to the develop- ment of a more reliable behavior prediction model.

Negli ultimi anni l’allevamento di bovine da latte ha registrato una crescita sostanziale in risposta all'aumento della domanda dei consumatori. Questo fenomeno ha portato inevitabilmente all’intensificazione dei processi produttivi con conseguenti problematiche, legate al declino del benessere e della sostenibilità degli animali. Pertanto, l’agricoltura di precisione rappresenta uno strumento utile per fare fronte a tale problematica, consentendo una migliore e più corretta gestione di un’azienda agricola attraverso la valutazione di aspetti riguardanti la salute degli animali, la nutrizione ed infine l’allevamento. L’obbiettivo principale di questo studio è quello di progettare e sviluppare un sistema che migliori in termini di affidabilità e di completezza il monitoraggio delle bovine da latte all’interno della stalla, sfruttando un innovativo sistema per la localizzazione ed il tracciamento della posizione di quest’ultime. Il progetto si basa su GALA, un sistema IoT automatizzato ed integrato, sviluppato in collaborazione con il Dipartimento di Scienze Agrarie e Ambientali dell'Università degli Studi di Milano, per il monitoraggio dell'intero ambiente della fattoria. Un ruolo rilevante è svolto da un dispositivo montato sul collare della vacca, che permette di stimarne il comportamento sfruttando i dati dell’accelerometro. Partendo da GALA, questo lavoro adotta un approccio verticale affrontando il problema a diversi livelli: iniziando con lo sviluppo di un algoritmo che sfrutta l'accelerometro per migliorare la precisione della localizzazione, lavorando sull'estensione del firmware del dispositivo sopracitato per abilitarlo a funzionare come un tag di localizzazione, finendo con la progettazione e l'implementazione di un'architettura per l'elaborazione dei dati che massimizzi l'efficienza e minimizzi i consumi energetici. Attraverso l’utilizzo di un rigoroso processo di validazione, abbiamo ottenuto un'accuratezza del 78% nel tracciamento di un tag nel raggio di 1,5 metri e del 90% nell'assegnazione di specifiche zone della stalla legate al comportamento dell'animale. Pertanto, tali risultati ci permettono di correlare in maniera precisa ed accurata il comportamento della bovina con la sua posizione all’interno della stalla, favorendo lo sviluppo di un modello di stima del comportamento più affidabile ed utile per un’applicazione reale.