Conclusione
Le ricerche condotte sul monitoraggio delle emissioni odorigene con sistemi IOMS mostrano come le tecniche di Feature Extraction influenzano l'affidabilità dei modelli di classificazione e quantificazione degli odori . Una loro corretta scelta in fase di addestramento incide dunque sulla possibilità di ottimizzazione ed incremento dell’affidabilità del sistema. Difatti, in casi sperimentali che hanno adottato il sistema senso-strumentale di monitoraggio in continuo delle emissioni odorigene (IOMS) brevettato dal gruppo di ricerca del SEED, dell’Università degli Studi di Salerno, denominato SeedOA 2.0 , con riferimento ad un impianto di depurazione delle acque reflue a scala reale si evince una percentuale diversa di corretta classificazione in uscita dei campioni addestrati, in relazione ad una diversa scelta di tecnica di Feature Extraction applicata nell’ambito della elaborazione dei dati di acquisizione. In particolare, nei casi esaminati, la tecnica DVR (Different value of resistance) ha mostrato le migliori performance in termini di classificazione e quantificazione degli odori . Sulla base dei risultati ottenuti si è potuto inoltre dimostrare come il sistema IOMS SeedOA 2.0 risulta sicuramente uno strumento valido, in grado di classificare e quantificare gli odori in modalità continua ed oggettiva. Ulteriori approfondimenti di studio scientifico nel controllo delle emissioni odorigene risultano comunque necessari, ponendo però particolare attenzione nell’utilizzo di questo sistema strumentale per la valutazione ed il controllo degli odori di impatto ambientale, in modo da migliorare la tollerabilità delle popolazioni esposte, garantendone anche un vantaggio economico e una maggiore salvaguardia per la salute dell’uomo.