技术文章

从面部表情评估白酒消费者餐酒搭配偏好

诺达思(北京)信息技术有限责任 >> 进入商铺

2024/11/8 16:44:56

好酒配好菜,不甚美哉!

 

那么,您知道如何进行餐酒搭配吗?

 

中国白酒的生产量和销售量稳居世界前列,在产品投入生产之前,往往要经历原料筛选、生产工艺确定、市场预测以及产品定位等程序。其中,感官评价对产品配方的改善、市场接受度预测和消费者购买意向的预测发挥了至关重要的作用。

 

本研究将智能感官分析技术中的脑电分析和面部表情分析方法与传统的消费者感官评价相结合,探究了餐酒搭配时白酒消费者喜好度,以期为消费者餐酒搭配喜好度研究提供更加智能化的研究方法和思路[1]

 

白酒消费者感官评价方法的新趋势

传统的消费者感官评价的研究方法通常是通过感官调查问卷、专业品评小组等形式进行调查研究。但也可能存在其他潜在因素的影响,例如因消费者个体差异,结果可能受到影响。因此,近年来已有研究尝试采用智能感官评价技术,比如脑电、面部表情分析等来捕捉消费者在品尝食物过程中无意识的自主神经系统反应引起的生理和情绪变化,评价消费者对食品的味道、气味或整体产品的喜好度及接受度,弥补传统测评方法的主观性。

 

目前,少有研究运用智能感官分析技术进行白酒消费者喜好度的研究,更少有研究餐酒搭配时白酒消费者喜好度。基于此,本研究采用智能感官分析技术(脑电技术、面部表情分析技术)和传统感官分析技术(感官测评问卷)结合,收集消费者在餐酒搭配过程中脑电和面部表情的实时变化,确定智能感官分析技术在白酒消费者喜好度研究中的可行性,明确餐酒搭配中的白酒消费者喜好度,以期为消费者餐酒搭配喜好度研究提供更加智能化的研究方法和思路。

 

从生理、情绪等多角度测评餐酒搭配

实验共招募33 名消费者,包括女性5名,男性28 名,年龄在 21~67 岁之间。选择叉烧(甜)、松子鱼(酸)、盐焗鸡(咸)、清蒸鱼(鲜)、辣椒炒牛肉(辣)、炒苦瓜(苦)作为 6 种基础味道菜品,选取不同香型、相同产地、不同酒精度的 2 款白酒样品进行研究。

 

实验开始之前,要求被试坐在电脑屏幕面对摄像头正视屏幕并佩戴智能脑电头盔,进行面部表情和脑电信号的校准。实验开始之后,被试根据屏幕上的提示语进行品鉴,每位被试每次进行一款白酒与不同味道(鲜、咸、甜、酸、苦、辣)菜品的搭配测评,依次完成 2 款酒样的感官测评。如图1,首先进行酒样的闻香(10 s)、品尝回味(20 s)阶段的品评,然后漱口休息并填写感官问卷。然后进行餐酒搭配的测评,依次是品菜(60 s)、品酒并回味(15 s),然后漱口休息并填写感官问卷。搭配酒依次品尝鲜、咸、甜、酸、苦、辣六道菜品。整个测评过程收集面部表情视频和脑电的数据。

 

1 实验流程

 

被试在实验中的面部表情被录制并导入诺达思的面部表情分析系统(FaceReader进行分析。该软件能够自动检测到面部表情的变化,并基于面部动作编码系统(Facial Action Coding SystemFACS)与活动外观模型(Active Appearance ModelAAM)对形变表情特征进行提取。识别出 7 种基础情绪(中性、愉快、悲伤、愤怒、惊奇、惧怕和厌恶)以 0~1之间的分数表示特征情绪的强度变化,以及2种情绪状态,效价(-1~1 表示消极情绪~积极情绪)和唤醒度(0~1 表示不活跃-WQ活跃),用于本实验的结果分析。

 

不同餐酒搭配下味觉强度的变化

首先分析每种基础味道与白酒样品搭配前后味觉强度是否存在差异,结果表明(图2),甜味、酸味菜品与清雅型白酒搭配前后味觉强度变化存在显著差异,酸味、苦味菜品与豉香型白酒搭配前后味觉强度变化存在显著差异,其余皆无显著差异。这说明在不同的餐酒搭配后,被试认为味觉强度变化呈现异质性,菜品与清雅型白酒搭配后,甜味显著增强,酸味显著下降。菜品与豉香型白酒搭配后,酸味显著下降,辣味显著增强。

 

2 基础味道菜品与白酒搭配前后味觉强度变化

 

采用回归分析、相关性分析的数据分析方法,分析不同餐酒搭配过程中白酒消费者喜好度与脑电波和面部表情情绪的相关性,以及消费者在餐酒搭配前后对菜品味觉感受的变化与各搭配喜好度、香气喜好度、口感喜好度、综合喜好度、购买意愿及推荐度之间相关性。由表1分析结果可见,不同餐酒搭配会引起不同的面部表情情绪显著变化,并且不同餐酒搭配时的面部表情情绪与喜好度之间存在关联。清雅型白酒与鲜、咸、酸味菜品搭配后的唤醒度越高,面部表情喜好度越高;与甜、苦味菜品搭配后的效价越高,面部表情喜好度越高。豉香型白酒和鲜、甜、酸、苦味菜品搭配后的唤醒度越高,面部表情喜好度越高;与甜、酸、苦味菜品搭配后的效价越高,面部表情喜好度越高。

 

1 面部表情情绪相关性分析图

 

6 种味道菜品与酒搭配的脑电喜好度得分和面部表情喜好度得分与感官问卷得分进行多元线性回归,以感官问卷得分为因变量,脑电喜好度得分和面部表情喜好度得分为自变量建立多元线性回归模型。线性回归模型相关 R 值在 0.49~0.76 之间,且 P 值均小于 0.05,拟合度良好,说明智能感官分析技术与传统感官评价相结合的方法能够有效的分析不同餐酒搭配时的白酒消费者喜好度。

 

总体来说,不同的餐酒搭配后,味觉强度变化呈现异质性,清雅型与豉香型白酒和酸味、苦味、辣味菜品搭配后味觉强度均有所提升,清雅型白酒与甜味菜品搭配的消费者喜好度最高,其次喜欢与咸味菜品的搭配,与苦味和酸味菜品搭配的喜好度相对较低。豉香型白酒与咸味菜品搭配的消费者喜好度最高,其次喜欢与甜味菜品的搭配,搭配苦味菜品的消费者喜好度相对较低。

 

创新型感官分析技术助力消费者偏好测评

本研究将智能感官分析技术中的脑电分析和面部表情分析方法联用进行白酒饮用喜好度的研究。对于不同的餐酒搭配,被试认为搭配前后味觉强度变化呈现异质性。不同的餐酒搭配也会引起脑电波和面部表情情绪发生显著变化,并且在餐酒搭配时的脑电波和面部表情情绪与喜好度之间也存在相关性。

 

因此,智能感官分析技术可作为白酒消费者喜好度评价的一种有效的研究手段,将其与传统感官分析方法相结合,能够更全面、详细的反馈影响白酒消费者喜好度的因素,对传统感官分析方法进行了有效的补充,提升了白酒消费者喜好度测评的效率和科学性。在后续的研究中,可通过增加白酒样品量和被试数量等方式丰富数据量,提高模型的拟合度和泛化能力。综合考虑不同香型白酒的搭配需求,进行合适的餐酒搭配,可以更好提升消费者的饮用体验。

 

 

参考文献

[1]刘加楠,范绍辉,付玉,王成,王德良,何国良 & 郑扬韵.餐酒搭配中的白酒消费者喜好度研究.食品与发酵工业1-9.

 

 

关注诺达思公众号,联系我们获取更多产品信息及学术文章!

 


相关产品

猜你喜欢

当前客户在线交流已关闭
请电话联系他 :
1 168