好酒配好菜，不甚美哉！
那么，您知道如何進(jìn)行餐酒搭配嗎？
中國白酒的生產(chǎn)量和銷售量穩(wěn)居世界前列，在產(chǎn)品投入生產(chǎn)之前，往往要經(jīng)歷原料篩選、生產(chǎn)工藝確定、市場預(yù)測以及產(chǎn)品定位等程序。其中，感官評價(jià)對產(chǎn)品配方的改善、市場接受度預(yù)測和消費(fèi)者購買意向的預(yù)測發(fā)揮了至關(guān)重要的作用。
本研究將智能感官分析技術(shù)中的腦電分析和面部表情分析方法與傳統(tǒng)的消費(fèi)者感官評價(jià)相結(jié)合，探究了餐酒搭配時(shí)白酒消費(fèi)者喜好度，以期為消費(fèi)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]。
白酒消費(fèi)者感官評價(jià)方法的新趨勢
傳統(tǒng)的消費(fèi)者感官評價(jià)的研究方法通常是通過感官調(diào)查問卷、專業(yè)品評小組等形式進(jìn)行調(diào)查研究。但也可能存在其他潛在因素的影響，例如因消費(fèi)者個(gè)體差異，結(jié)果可能受到影響。因此，近年來已有研究嘗試采用智能感官評價(jià)技術(shù)，比如腦電、面部表情分析等來捕捉消費(fèi)者在品嘗食物過程中無意識(shí)的自主神經(jīng)系統(tǒng)反應(yīng)引起的生理和情緒變化，評價(jià)消費(fèi)者對食品的味道、氣味或整體產(chǎn)品的喜好度及接受度，彌補(bǔ)傳統(tǒng)測評方法的主觀性。
目前，少有研究運(yùn)用智能感官分析技術(shù)進(jìn)行白酒消費(fèi)者喜好度的研究，更少有研究餐酒搭配時(shí)白酒消費(fèi)者喜好度。基于此，本研究采用智能感官分析技術(shù)（腦電技術(shù)、面部表情分析技術(shù)）和傳統(tǒng)感官分析技術(shù)（感官測評問卷）結(jié)合，收集消費(fèi)者在餐酒搭配過程中腦電和面部表情的實(shí)時(shí)變化，確定智能感官分析技術(shù)在白酒消費(fèi)者喜好度研究中的可行性，明確餐酒搭配中的白酒消費(fèi)者喜好度，以期為消費(fèi)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。
從生理、情緒等多角度測評餐酒搭配
實(shí)驗(yàn)共招募33 名消費(fèi)者，包括女性5名，男性28 名，年齡在 21~67 歲之間。選擇叉燒（甜）、松子魚（酸）、鹽焗雞（咸）、清蒸魚（鮮）、辣椒炒牛肉（辣）、炒苦瓜（苦）作為 6 種基礎(chǔ)味道菜品，選取不同香型、相同產(chǎn)地、不同酒精度的 2 款白酒樣品進(jìn)行研究。
實(shí)驗(yàn)開始之前，要求被試坐在電腦屏幕面對攝像頭正視屏幕并佩戴智能腦電頭盔，進(jìn)行面部表情和腦電信號的校準(zhǔn)。實(shí)驗(yàn)開始之后，被試根據(jù)屏幕上的提示語進(jìn)行品鑒，每位被試每次進(jìn)行一款白酒與不同味道（鮮、咸、甜、酸、苦、辣）菜品的搭配測評，依次完成 2 款酒樣的感官測評。如圖1，首先進(jìn)行酒樣的聞香（10 s）、品嘗回味（20 s）階段的品評，然后漱口休息并填寫感官問卷。然后進(jìn)行餐酒搭配的測評，依次是品菜（60 s）、品酒并回味（15 s），然后漱口休息并填寫感官問卷。搭配酒依次品嘗鮮、咸、甜、酸、苦、辣六道菜品。整個(gè)測評過程收集面部表情視頻和腦電的數(shù)據(jù)。
圖1 實(shí)驗(yàn)流程
被試在實(shí)驗(yàn)中的面部表情被錄制并導(dǎo)入諾達(dá)思的面部表情分析系統(tǒng)（FaceReader）進(jìn)行分析。該軟件能夠自動(dòng)檢測到面部表情的變化，并基于面部動(dòng)作編碼系統(tǒng)（Facial Action Coding System，FACS）與活動(dòng)外觀模型（Active Appearance Model，AAM）對形變表情特征進(jìn)行提取。識(shí)別出 7 種基礎(chǔ)情緒（中性、愉快、悲傷、憤怒、驚奇、懼怕和厭惡）以 0~1之間的分?jǐn)?shù)表示特征情緒的強(qiáng)度變化，以及2種情緒狀態(tài)，效價(jià)（-1~1 表示消極情緒~積極情緒）和喚醒度（0~1 表示不活躍-WQ活躍），用于本實(shí)驗(yàn)的結(jié)果分析。
不同餐酒搭配下味覺強(qiáng)度的變化
首先分析每種基礎(chǔ)味道與白酒樣品搭配前后味覺強(qiáng)度是否存在差異，結(jié)果表明（圖2），甜味、酸味菜品與清雅型白酒搭配前后味覺強(qiáng)度變化存在顯著差異，酸味、苦味菜品與豉香型白酒搭配前后味覺強(qiáng)度變化存在顯著差異，其余皆無顯著差異。這說明在不同的餐酒搭配后，被試認(rèn)為味覺強(qiáng)度變化呈現(xiàn)異質(zhì)性，菜品與清雅型白酒搭配后，甜味顯著增強(qiáng)，酸味顯著下降。菜品與豉香型白酒搭配后，酸味顯著下降，辣味顯著增強(qiáng)。
圖2 基礎(chǔ)味道菜品與白酒搭配前后味覺強(qiáng)度變化
采用回歸分析、相關(guān)性分析的數(shù)據(jù)分析方法，分析不同餐酒搭配過程中白酒消費(fèi)者喜好度與腦電波和面部表情情緒的相關(guān)性，以及消費(fèi)者在餐酒搭配前后對菜品味覺感受的變化與各搭配喜好度、香氣喜好度、口感喜好度、綜合喜好度、購買意愿及推薦度之間相關(guān)性。由表1分析結(jié)果可見，不同餐酒搭配會(huì)引起不同的面部表情情緒顯著變化，并且不同餐酒搭配時(shí)的面部表情情緒與喜好度之間存在關(guān)聯(lián)。清雅型白酒與鮮、咸、酸味菜品搭配后的喚醒度越高，面部表情喜好度越高；與甜、苦味菜品搭配后的效價(jià)越高，面部表情喜好度越高。豉香型白酒和鮮、甜、酸、苦味菜品搭配后的喚醒度越高，面部表情喜好度越高；與甜、酸、苦味菜品搭配后的效價(jià)越高，面部表情喜好度越高。
表1 面部表情情緒相關(guān)性分析圖
將 6 種味道菜品與酒搭配的腦電喜好度得分和面部表情喜好度得分與感官問卷得分進(jìn)行多元線性回歸，以感官問卷得分為因變量，腦電喜好度得分和面部表情喜好度得分為自變量建立多元線性回歸模型。線性回歸模型相關(guān) R 值在 0.49~0.76 之間，且 P 值均小于 0.05，擬合度良好，說明智能感官分析技術(shù)與傳統(tǒng)感官評價(jià)相結(jié)合的方法能夠有效的分析不同餐酒搭配時(shí)的白酒消費(fèi)者喜好度。
總體來說，不同的餐酒搭配后，味覺強(qiáng)度變化呈現(xiàn)異質(zhì)性，清雅型與豉香型白酒和酸味、苦味、辣味菜品搭配后味覺強(qiáng)度均有所提升，清雅型白酒與甜味菜品搭配的消費(fèi)者喜好度最高，其次喜歡與咸味菜品的搭配，與苦味和酸味菜品搭配的喜好度相對較低。豉香型白酒與咸味菜品搭配的消費(fèi)者喜好度最高，其次喜歡與甜味菜品的搭配，搭配苦味菜品的消費(fèi)者喜好度相對較低。
創(chuàng)新型感官分析技術(shù)助力消費(fèi)者偏好測評
本研究將智能感官分析技術(shù)中的腦電分析和面部表情分析方法聯(lián)用進(jìn)行白酒飲用喜好度的研究。對于不同的餐酒搭配，被試認(rèn)為搭配前后味覺強(qiáng)度變化呈現(xiàn)異質(zhì)性。不同的餐酒搭配也會(huì)引起腦電波和面部表情情緒發(fā)生顯著變化，并且在餐酒搭配時(shí)的腦電波和面部表情情緒與喜好度之間也存在相關(guān)性。
因此，智能感官分析技術(shù)可作為白酒消費(fèi)者喜好度評價(jià)的一種有效的研究手段，將其與傳統(tǒng)感官分析方法相結(jié)合，能夠更全面、詳細(xì)的反饋影響白酒消費(fèi)者喜好度的因素，對傳統(tǒng)感官分析方法進(jìn)行了有效的補(bǔ)充，提升了白酒消費(fèi)者喜好度測評的效率和科學(xué)性。在后續(xù)的研究中，可通過增加白酒樣品量和被試數(shù)量等方式豐富數(shù)據(jù)量，提高模型的擬合度和泛化能力。綜合考慮不同香型白酒的搭配需求，進(jìn)行合適的餐酒搭配，可以更好提升消費(fèi)者的飲用體驗(yàn)。
參考文獻(xiàn)
[1]劉加楠,范紹輝,付玉,王成,王德良,何國良 & 鄭揚(yáng)韻.餐酒搭配中的白酒消費(fèi)者喜好度研究.食品與發(fā)酵工業(yè)1-9.
關(guān)注諾達(dá)思公眾號，聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章！
