Fin dall’antichità e arrivando all’immediato ultimo dopoguerra, stretto era il rapporto dell’uomo con i suoi animali che conosceva uno per uno. Duemila anni fa Gesù è il buon pastore, le pecore ascoltano la sua voce, egli chiama le proprie pecore per nome e le conduce fuori, va davanti a loro, e le pecore lo seguono, perché conoscono la sua voce (Giovanni 9:24-38). Nelle piccole stalle degli anni Sessanta del secolo scorso i contadini conoscono le mucche una per una con il loro nome e subito si accorgono anche di un leggero malessere segnalato da una riduzione del tempo di ruminazione, mentre le contadine, di ogni gallina - anche dalla posizione delle ali - sanno interpretare anche modici disturbi. In queste condizioni agli animali è assicurato un benessere per molti aspetti simile a quello degli uomini e soprattutto è possibile intervenire precocemente evitando agli animali inutili sofferenze. Oggi, nei vasti allevamenti intensivi, tutto è cambiato e si pone il problema di come affrontare il benessere degli animali e soprattutto come individuare condizioni iniziali di malessere per non trovarsi di fronte a malattia grave già in atto o all’animale è già morto; in caso di infezioni diffusive ci si può accorgere della malattia quando ha già colpito un gran numero di animali. In queste condizioni, è riduttivo pensare di affrontare e risolvere la questione del benessere animale soltanto con interventi sull’ambiente (spazi liberi, pavimentazione, gabbie si o no, dimensioni delle gabbie, climatizzazione ecc.) perché un diffuso stato di salute compromesso è una minaccia per il benessere e la produttività.
Un'identificazione precoce di malessere è alla base di interventi correttivi tempestivi, ma nelle attuali situazioni d’allevamento non è possibile utilizzare soltanto la valutazione dell’uomo che non può identificare le piccole variazioni che accompagnano i primi stadi della malattia. Questo lo possono fare sistemi automatizzati di videosorveglianza con tecnologie economiche, usando video camere RGB (rosse, verdi e blu) e nel futuro con sistemi di autoapprendimento delle macchine (una realtà già in uso nelle fabbriche automobilistiche) e in grado di replicare osservazioni che riguardano soprattutto i cambiamenti nella posizione che assumono gli animali e il loro comportamento idrico, indicatori di compromissioni della salute e di una riduzione del benessere. Nei maiali uno studio condotto dalla Scuola di Scienze ambientali dell'Università inglese di New Castle e dall'Istituto di Sicurezza alimentare dell'Università di Belfast dimostra che i sistemi automatizzati sono in grado di identificare comportamenti individuali con una precisione media pari a 0,989 in situazioni diverse (Ali Alameer, Ilias Ky-riazakis, Jaume Bacardit - Automated recognition of postures and drinking behaviour for the detection of compromised health in pigs - Scientifìc Reports, vol. 10, pag. 13665, 2020).
Oggi e ancor più nel futuro le tecnologie informatiche di raccolta e elaborazioni dei dati sono economiche, comunemente disponibili e facilmente utilizzabili negli allevamenti per monitorare i maiali con alta precisione a un costo accessibile. Insufficiente è soltanto l’informazione mirata all'applicazione di queste tecniche e relativi programmi nell'allevamento suino nel quale è necessario adottare metodologie per identificare, tracciare e classificare i comportamenti dei suini e ottenere una diagnosi precoce della malattia, utilizzando telecamere 2D / 3D per identificare efficacemente i comportamenti dei suini e avere informazioni automatizzate per un il monitoraggio e l'indagine dei comportamenti di alimentazione, bere, giacere, muoversi, comportamenti aggressivi e riproduttivi dei suini. In questo modo, individuando precocemente le condizioni di malessere degli animali è possibile intervenire precocemente per ottenere un più alto rendimento dell’allevamento, unitamente a un migliore benessere agli animali (Elanche-zhian Arulmozhi, Byeong-Eun Moon, Hyeon-Tae Kim - The Application of Cameras in Precision Pig Farming: An Overview for Swine-Keeping Professionals - Animals, 11 (8), pag. 2343, 2021).