Miniatura

Fitxers

CASANOVAS RODRIGUEZ IVAN_7934179.pdf (2.25 MB)

Tipus de document

Treball de fi de grau

Data de publicació

2023-06

Llicència de publicació

cc-by-nc-nd (c) Casanovas, 2023
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/200943

Machine Learning methods to estimate odour intensity

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

Odour is a human perception whose relationship with chemical composition is unknown. Contrary to the olfactometric measurement techniques, senso-instrumental methods provide real-time odour monitoring. The study presents a drone equipped with an electronic nose that generates dynamic sensor signals for the classification and quantification of odours in wastewater treatment plants. By calibrating predictive models with Machine Learning algorithms, odour/nonodour samples are classified with 93% accuracy, and odour concentration is predicted 95% limits of agreement within a factor of four, in comparison with dynamic olfactometry measurements

Descripció

Treballs Finals de Grau de Física, Facultat de Física, Universitat de Barcelona, Curs: 2023, Tutor: Santiago Marco Colás

Matèries

Olors, Aprenentatge automàtic, Treballs de fi de grau

Matèries (anglès)

Odors, Machine learning, Bachelor's theses

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Física

Citació

CASANOVAS RODRÍGUEZ, Ivan. Machine Learning methods to estimate odour intensity. [consulta: 27 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/200943]

Exportar metadades

JSON - METS

Compartir registre