Este documento presenta los resultados de un proceso automatizado de clasificación de compuestos orgánicos volátiles (COV) implementado al integrar un algoritmo de aprendizaje automático en una placa Arduino Uno. Se construye un prototipo de nariz electrónica para detectar COV de tres frutas diferentes. La nariz electrónica se construye utilizando un arreglo de cinco sensores de gas de dióxido de estaño (SnO), una placa Arduino Uno utilizada como sección de adquisición de datos, así como un módulo de clasificación inteligente al integrar una función de enfoque que recibe señales de datos de la nariz electrónica. Para el módulo de clasificación inteligente, también se implementa un algoritmo de entrenamiento para crear la base de un dispositivo de nariz electrónica portátil, automatizado, de respuesta rápida y económico. Esta solución propone un sistema portátil para identificar y clasificar COV sin utilizar una computadora personal (PC). Los resultados muestran una precisión aceptable para el enfoque integrado en comparación con el rendimiento de una caja de herramientas utilizada en una PC. Esto constituye una solución integrada capaz de reconocer COV de manera confiable para crear productos de aplicación para una amplia variedad de industrias, que son capaces de clasificar los datos adquiridos por una nariz electrónica como COV. Con este algoritmo propuesto e implementado, se logró una precisión del 99% en la clasificación dentro de la solución integrada.