Los objetivos del presente estudio fueron caracterizar la composición del huevo y desarrollar modelos de espectroscopia VIS-infrarrojo cercano (VIS-NIR) para sus predicciones en razas locales de gallinas italianas, a saber, Padovana Camosciata, Padovana Dorata, Polverara Bianca, Polverara Nera, Pepoi, Ermellinata di Rovigo, Robusta Maculata y Robusta Lionata. Las gallinas se criaron en un único centro de conservación bajo las mismas condiciones ambientales y de manejo. Se analizaron un total de 200 muestras (25 muestras por raza, dos huevos/muestra) para la composición de la clara y la yema. Se desarrollaron modelos de predicción para estos rasgos tanto en muestras frescas como liofilizadas. Los huevos de Polverara Nera y Polverara Bianca diferían de los huevos de las otras razas ( < 0.05) en términos del mayor contenido de humedad (90.06 +/- 1.23% y 89.57 +/- 1.31%, respectivamente) y el menor contenido de proteínas (8.34 +/- 1.27% y 8.81 +/- 1.27%) en la clara en base húmeda. En cuanto a la yema, Robusta Maculata y Robusta Lionata diferían ( < 0.05) de las otras razas, teniendo un menor contenido de proteínas (15.62 +/- 1.13% y 15.21 +/- 0.63%, respectivamente) y un mayor contenido de lípidos (34.11 +/- 1.12% y 35.30 +/- 0.98%) en base húmeda. Los huevos de Pepoi tenían un mayor contenido de colesterol (1406.39 +/- 82.34 mg/100 g) en base húmeda en comparación con Padovana Camosciata, Polverara Bianca y Robusta Maculata ( < 0.05). Los datos espectrales se recopilaron en modo de reflectancia en el rango VIS-NIR (400 a 2500 nm) utilizando DS2500 (Foss, Hillerød, Dinamarca) en muestras frescas y liofilizadas. Los modelos se desarrollaron a través de regresión por mínimos cuadrados parciales en espectros no tratados y pretratados de forma independiente para la yema y la clara, y utilizando varias combinaciones de correcciones de dispersión y tratamientos matemáticos. La capacidad predictiva de los modelos desarrollados para cada compuesto se evaluó a través del coeficiente de determinación (Rcv), el error estándar de predicción (SEcv) y la relación de rendimiento a desviación (RPDcv) en validación cruzada. Los modelos de predicción funcionaron mejor para la clara y la yema liofilizadas que para las frescas. En particular, para la clara, el rendimiento de los modelos que utilizaban huevos liofilizados fue excelente (Rcv >= 0.91), y para la yema fue adecuado para la predicción del contenido de proteínas y materia seca. Se observaron buenos rendimientos de predicción en la yema para materia seca (Rcv = 0.85), lípidos y colesterol (Rcv = 0.74). En general, los resultados respaldan el potencial de la tecnología infrarroja para predecir la composición de los huevos de gallinas locales. Los modelos de predicción para proteínas, materia seca y lípidos de la yema liofilizada podrían utilizarse con fines de etiquetado para promover razas locales a través de la valorización de aspectos nutricionales.