I foraggi sono piante o parti di piante consumate sia dal bestiame che dalla fauna selvatica. I foraggi forniscono massa, aiutano a mantenere il peso e combattono diversi problemi [1]. Il foraggio di erba medica è ricco di proteine, il che lo rende adatto a promuovere la massa muscolare nei bovini da carne o ad aumentare la produzione di vacche da latte [2]. L'erba medica è anche comunemente utilizzata per l'alimentazione dei cavalli. Questi animali richiedono foraggi con buona appetibilità, elevata digeribilità, potenziale di assunzione e livelli proteici elevati, aumentando così la domanda di erba medica e di altri mangimi di alta qualità. Negli ultimi anni gli agricoltori hanno risposto producendo erba medica di qualità ancora più elevata. Poiché la qualità del foraggio dipende da proprietà chimiche, biologiche e dinamiche, è necessario utilizzare sia metodi misurati che calcolati. Le analisi standard dell'erba medica misurano la fibra neutro-detergente (NDF), la fibra acido-detergente (ADF), la proteina grezza (CP), le ceneri, l'umidità e le proteine. Per i pellet di erba medica, anche la dimensione media delle particelle è importante. La spettroscopia nel vicino infrarosso (NIRS) consente di prevedere in modo rapido e affidabile grassi, umidità, proteine grezze, fibre, ceneri e amido in pochi secondi e senza preparazione del campione.
Campioni di erba medica (compresi erba medica fresca, pellet di erba medica e cubetti di erba medica) sono stati analizzati con un analizzatore NIR Metrohm. Tutte le misurazioni sono state eseguite in modalità di riflessione utilizzando la coppa grande. I campioni sono stati misurati in rotazione per raccogliere dati spettrali da diverse aree. La media spettrale dei segnali provenienti da diversi punti ha contribuito a ridurre la disomogeneità del campione.
I valori di riferimento sono stati misurati secondo le norme ISO descritte alla fine di questa Nota Applicativa. Il software Metrohm è stato utilizzato per tutte le attività di acquisizione dati e sviluppo del modello predittivo.
Gli spettri NIR ottenuti (Figura 1) sono stati utilizzati per creare un modello predittivo per la quantificazione di grassi, umidità, proteine grezze, fibre, ceneri e amido nell'erba medica. La qualità dei modelli predittivi è stata valutata utilizzando diagrammi di correlazione (Figure 2–5) che mostrano un'elevata correlazione tra la previsione NIR e i valori di riferimento. Le rispettive cifre di merito (FOM) mostrano la precisione attesa di una previsione durante l'analisi di routine di diverse varianti di mangime per erba medica (Tabelle 1–3).
Contenuto proteico risultante
| R2 | SEC (%) | SECV (%) | SEP (%) |
| 0.922 | 0.5 | 0.52 | 0.52 |
Contenuto di umidità risultante
| R2 | SEC (%) | SECV (%) | SEP (%) |
| 0.893 | 0.50 | 0.50 | 0.60 |
Contenuto ADF risultante
| R2 | SEC (%) | SECV (%) | SEP (%) |
| 0.906 | 1.27 | 1.32 | 1.22 |
Contenuto NDF risultante
| R2 | SEC (%) | SECV (%) | SEP (%) |
| 0.935 | 2.02 | 2.24 | 2.16 |
Cifre di merito
Le tabelle seguenti mostrano i dati di merito per i modelli di previsione di pellet di erba medica (Tabella 1), cubetti di erba medica (Tabella 2) ed erba medica fresca (Tabella 3).
| Parameter (Range) | No. Spectra | SEC (%) | SECV (%) | SEP (%) | R2 |
|---|---|---|---|---|---|
| Fiber (18–35%) | 385 | 1.24 | 1.35 | 1.34 | 0.714 |
| Moisture (16–34%) | 976 | 0.50 | 0.50 | 0.60 | 0.893 |
| Crude protein (10–21%) | 1577 | 0.51 | 0.52 | 0.52 | 0.922 |
| ADF (23–43%) | 633 | 1.27 | 1.32 | 1.22 | 0.906 |
| NDF (33–73%) | 336 | 2.02 | 2.24 | 2.16 | 0.935 |
| Ash (7–17%) | 216 | 0.78 | 0.86 | 0.81 | 0.723 |
| MPS (14–23 mm) | 43 | 0.40 | 0.47 | N/A | 0.888 |
| Parameter (Range) | No. Spectra | SEC (%) | SECV (%) | SEP (%) | R2 |
|---|---|---|---|---|---|
| Ash (8–14%) | 72/23 | 0.33 | 0.36 | 0.30 | 0.887 |
| Fiber (20–37%) | 86/27 | 1.38 | 1.63 | 1.48 | 0.758 |
| Protein (10–21%) | 101/34 | 0.58 | 0.63 | 0.65 | 0.857 |
| Moisture (10–20%) | 87/28 | 0.23 | 0.30 | 0.29 | 0.974 |
| NDF (34–56%) | 96/22 | 1.73 | 2.11 | 1.44 | 0.918 |
| ADF (25–43%) | 102/35 | 1.38 | 1.65 | 1.44 | 0.837 |
| Parameter (Range) | No. Spectra | SEC (%) | SECV (%) | SEP (%) | R2 |
|---|---|---|---|---|---|
| Fiber (18–35%) | 385 | 1.24 | 1.35 | 1.34 | 0.714 |
| Moisture (16–34%) | 976 | 0.50 | 0.50 | 0.60 | 0.893 |
| Crude protein (10–21%) | 1577 | 0.51 | 0.52 | 0.52 | 0.922 |
Questa nota applicativa dimostra la fattibilità della determinazione di molteplici parametri chiave del foraggio di erba medica mediante spettroscopia NIR. Per misurare i parametri qualitativi chiave del foraggio sono solitamente necessari diversi metodi analitici (Tabella 4). L'analisi del foraggio con spettroscopia NIR offre un'alternativa altamente accurata, economica e rapida.
| Parametro | Metodo |
|---|---|
| Starch | ISO 6493:2000 Animal feeding stuffs — Determination of starch content — Polarimetric method |
| Crude ash | ISO 5984:2022 Animal feeding stuffs — Determination of crude ash |
| Crude fiber | ISO 6865:2000 Animal feeding stuffs — Determination of crude fibre content — Method with intermediate filtration |
| Crude protein | ISO 5983-1:2005 Animal feeding stuffs — Determination of nitrogen content and calculation of crude protein content — Part 1: Kjeldahl method |
| Moisture | ISO 6496:1999 Animal Feeding Stuffs — Determination of moisture and other volatile matter content |
| Fat | ISO 6492:1999 Animal feeding stuffs — Determination of fat content |
- Saracen Horse Feeds. The Importance of Forage. Saracen Horse Feeds. https://saracenhorsefeeds.com/sports/feeding-the-ex-racehorse/the-importance-of-forage (accessed 2025-07-09).
- Douliere Hay France. Alfalfa Hay - Lucerne hay for beef and dairy cow, sheep, goat, broadmare and chicken. https://doulierehayfrance.com/en/produit/alfalfa-hay/ (accessed 2025-07-09).