Un ulteriore esempio dell’impiego delle tecnologie IOMS può essere quello del SEED dell’Università degli Studi di Salerno, il quale ha prestato le sue tecnologie per lo studio delle emissioni odorigene provenienti da un impianto industriale petrolchimico, lavorando con i metodi di pattern-recognition dell’Analisi Discriminante Lineare (LDA) e delle Reti Neurali Artificali (ANN) \cite{naddeo2021}. Lo studio inizia dalla raccolta dei dati di input, ovvero delle emissioni e termina con l’ottenimento di dati in termini di resistenza elettrica fornita dai sensori. I risultati dello studio sono stati poi trasferiti in diagrammi cartesiani dove l’ascissa è rappresentata dalla quantità tempo calcolata in minuti e l’ordinata dai valori in resistenza elettrica. La curva ottenuta è stata poi analizzata sia nella sua totalità, sia nelle sue fasi di rise, intermediate e peak period, ovvero nelle fasi di crescita, intermedia e di picco prese singolarmente. È stata effettuata poi una analisi comparativa dei modelli di monitoraggio e classificazione degli odori ottenuti combinando le diverse tecniche di feature-extraction e i modelli pattern-recognition calcolando in percentuale il rapporto tra il numero di dati classificati correttamente e il numero di dati ottenuti in totale. Dall’applicazione delle tecniche LDA e ANN, dal precedente esperimento si conviene che la tecnica ANN è quella maggiormente indicata, in quanto i risultati sono più realistici e inoltre l’ANN presenta un potenziale maggiore di pattern-recognition in tutti gli esperimenti portati avanti \cite{naddeo2021} \cite{naddeo2021b}.