L’emissione di odori malsani, nei confronti delle persone, può causare un impatto negativo sulla salute psico-fisica causando fastidio e soprattutto creando la percezione di vivere in un ambiente insalubre
\cite{RePEc:eee:lauspo:v:99:y:2020:i:c:s0264837720304403}\cite{SCANNAPIECO2014478} . Per la caratterizzazione dell’odore si sviluppano tecniche analitiche, sensoriali e miste (
Gostelow et al., 2000; Munoz et al., 2010; Zarra et al., 2012). Tra le tecniche analitiche la principale risulta essere la GC-MS: costosa, dispendiosa in termini di tempo e principalmente limitata a quei casi in cui si sospetta la presenza di sostanze nocive (Di Francesco et al., 2001). Le tecniche sensoriali, invece, sono caratterizzate dall'uso del naso umano come rilevatore per valutare l'odore di una miscela, quella più usata è l'olfattometria dinamica, applicata secondo la EN13725:2003, attualmente in fase di revisione da parte del CEN/TC264/WG2. Le tecniche miste associano l'uso di strumenti analitici e risposte sensoriali, caratterizzate da un forte potenziale futuro (Belgiorno et al., 2012; Zarra et al., 2014). Per riconoscere il carattere dell'odore, la norma europea specifica un metodo per la determinazione oggettiva della concentrazione di odore di un campione gassoso mediante l'olfattometria dinamica (DO) con valutatori umani (Belgiorno et al., 2012). L'unità di misura è l'unità olfattiva europea per metro cubo: OU
E/m
3. Gli IOMS, come anticipato, sono tecnologie che servono a monitorare in maniera continua gli odori e sviluppare risultati in termini di classi di odori e di predizione della concentrazione di odori. L’IOMS fa parte di una categoria di sistemi noti come E-NOSE. Questi ultimi composti da una serie di sensori di gas e da sistemi di riconoscimento dei pattern, riescono a distinguere gli odori più complessi (Neumann et al., 2013; Deshmukh et al., 2015). Obiettivo principale dei ricercatori, è quello di poter arrivare ad un modello che riesca a riprodurre un vero naso umano (Zarra et al., 2008). In questa situazione si vede come le (ANN) rappresentino la miglior tecnica di riconoscimento pattern da incorporare in un E-Nose e migliorarne il funzionamento. Le reti neurali artificiali sono modelli in miniatura del sistema nervoso biologico del cervello umano. Contengono, infatti, connessioni sinaptiche tra loro che con proprietà non-parametriche permettono all’ ANN di essere considerato uno dei migliori modelli in circolazione. (Kosinski e Kozlowski, 1998; McMillan, 1999; Mjalli et al., 2007; Teodoride, 2015; Dharwal e Kaur, 2016). ANN in E-Nose fornisce una combinazione sinergica rilevando l'interazione di gas complessi con conseguente misurazione accurata della concentrazione degli odori, dell'intensità e del tono edonico (Sabilla et al., 2017; Szulczynski et al., 2018; Herrero et al., 2016). Le tecniche non parametriche sono utili nella mappatura delle relazioni con grandi set di dati, quando non vi è alcuna conoscenza preliminare del comportamento dei dati. Nel seguente articolo si sposta l’attenzione sull’applicazione ANN e sulle sue modalità di approccio.