非侵入生物識別技術與(yu) 感官分析技術結合

評估消費者對啤酒的接受度

提及啤酒，它是生活中常見的、也是世界上受歡迎的發酵酒*料，大家應該熟悉不過了。可能你是一位單純地啤酒愛好者，喜歡品嚐各種各樣的啤酒；也許是一位專(zhuan) 業(ye) 人員，非常熟悉它的原料(主要由水、麥芽、啤酒花和酵母等組成，當然，為(wei) 了迎合消費者偏好，還會(hui) 有一些添加物)和工藝；亦或許你還清楚它的分類（如按照酵母分類）：頂部發酵(Top Fermentating,又稱Ale)和底部發酵(Bottom Fermentating,又稱Lager)，這兩(liang) 種發酵方式也是*的啤酒分類方法。

人們(men) 的生活水平已在逐步提升，對產(chan) 品的質量要求比較高，特別是飲食相關(guan) 的產(chan) 品。

以啤酒為(wei) 例：消費者可能涉及購物前選擇與(yu) 重購的選擇，而這兩(liang) 種選擇過程又涉及到一個(ge) 概念“產(chan) 品接受度”。影響這兩(liang) 種選擇的因素無非是品牌、價(jia) 格、包裝和口感等，而這些因素往往能體(ti) 現出消費者對該產(chan) 品的接受度。作為(wei) 啤酒生產(chan) 商，若想讓產(chan) 品更好地迎合消費者偏好、開發新市場，就必須結合產(chan) 品本身（如啤酒的泡持性、色澤、口感、香味、掛杯性等），對消費者進行深度研究。需要關(guan) 注消費者更深層次的消費需求與(yu) 偏好，從(cong) 而能更好地改善產(chan) 品，擴大消費市場。

啤酒的感官分析是評價(jia) 啤酒質量及消費者對其接受度的主要工具，常用的方法是采用描述性和感官評價(jia) 量表進行測評，而該方法對被試的依賴性比較大，主觀性較強，無法客觀地反映出消費者的真實狀況，需要客觀化的技術來解決(jue) 這一問題、改善主觀現狀。

非侵入生物識別技術（如心率、體(ti) 溫、腦電和麵部表情等）采用不同方式，依據人們(men) 不同的生理和行為(wei) 特征來區分和辨別個(ge) 體(ti) ，已廣泛應用於(yu) 安全認證等方麵，如指紋認證、人臉識別和語音識別等方麵。近年來，將該技術（如Noldus的多模態評價(jia) 係統）應用到感官科學研究領域愈發受到關(guan) 注，通過該方法從(cong) 而彌補傳(chuan) 統方法的主觀性，獲取關(guan) 於(yu) 食品飲料等產(chan) 品的更、更具有代表性的相關(guan) 信息。

已有研究表明，人們(men) 的無意識反應與(yu) 自主神經係統有關(guan) ，如心率、體(ti) 溫和呼吸水平與(yu) 情緒反應，喚醒度及壓力有關(guan) 。研究人員也曾基於(yu) 不同食品飲料的味道、氣味或整體(ti) 產(chan) 品接受度來評估它們(men) 引起的情緒變化。大部分研究通過量表、自主神經係統反應等方式也驗證了消費者對產(chan) 品的喜好度及接受度，隻不過所采用的方法都是侵入性的，被試必須在手上和胸部佩戴皮膚電導和溫度電極，以測量心率等，這在一定程度上會(hui) 幹擾被試。

闡述了那麽(me) 多，其實今天重點還是與(yu) 大家分享一個(ge) 采用非侵入生物識別技術（腦電、Noldus麵部表情分析係統，體(ti) 溫、心率等）和感官分析技術（問卷）相結合的研究→評估消費者對啤酒的接受度。該研究對9種類型的啤酒（如下表一所示），選取了30名消費者進行了測試（其中，男，19名；女11名，圖一為(wei) 標準設置測試場景）。

表一

表二

表二是感官問卷對啤酒屬性的評價(jia) （泡持性、泡沫高度、色澤、香味、口感、苦味、總體(ti) 喜好等方麵）、麵部表情、腦電、體(ti) 溫、心率參數全稱及其縮寫(xie) 。

圖一

如圖一所示，1為(wei) 便攜式展台；2是持續照明燈；3是一體(ti) 化攝像係統；4為(wei) 用於(yu) 錄製視頻的Raspberry pi相機模塊；5為(wei) FLIR AX8™紅外攝像儀(yi) ；6是感官App程序；7是頭戴式EEG設備；8為(wei) 與(yu) 上述設施連接到一起的筆記本電腦。

場景這樣設置的原因是盡可能的對外界環境進行控製，減少環境等其它因素對被試造成的幹擾和影響。

那麽(me) 在此刻

你是不是內(nei) 心已經開始疑惑

場景設置這麽(me) 專(zhuan) 業(ye)

研究的主要目標又是什麽(me) 呢

發現了什麽(me) 研究成果？

又有什麽(me) 研究意義(yi) ？

一、研究的主要目標

1、探討消費者對不同啤酒的有意識和無意識反應之間是否存在顯著差異；

2、研究有意識（感官問卷數據）和無意識反應（生物識別數據）的不同變量之間是否存在相關(guan) 關(guan) 係；

二、主要研究結果

該研究采用Noldus的麵部表情分析係統、EEG、紅外攝像機等非侵入性生物技術來測量被試的麵部表情、腦電、體(ti) 溫和心率等數據，後與(yu) 感官問卷數據結合起來進行分析，主要研究結果如下：

1、消費者對不同啤酒的反應差異：

方差分析結果並未發現麵部表情數據、體(ti) 溫、心率及部分腦電數據（如delta，low alpha和mid gamma）存在顯著差異。然而，大多數腦電反應與(yu) 感官問卷中對啤酒屬性的評價(jia) 有顯著差異。三種不同發酵方式的啤酒，從(cong) EEG數據得出，自然發酵的啤酒，被試的注意力水平高（0.38-0.45)，頂部發酵和底部發酵的啤酒，被試的注意力水平相似（0.29-0.40）。

三種不同發酵方式的啤酒之間在基本口味喜好方麵有差異，如苦味，自然發酵的啤酒喜好度評分高（0.64-0.73），頂部發酵評分低（0.30-0.51），底部發酵（0.43-0.59），這說明絕大多數人認為(wei) 帶有苦味的產(chan) 品會(hui) 引起不愉快體(ti) 驗，而引起這一結果的原因可能受基因或個(ge) 體(ti) 對苦味的承受能力不同。在總體(ti) 喜好度方麵，自然發酵啤酒比較受歡迎，評分高（0.65-0.73），頂部發酵啤酒不受歡迎，評分在0.35-0.55之間，頂部發酵（0.43-0.61）。

2、不同變量之間的相關(guan) 性（有意識和無意識反應）：

圖2，主成分分析（PCA）與(yu) 協方差矩陣

圖2a為(wei) 表情、腦電、心率、體(ti) 溫等與(yu) 感官屬性之間的主成分分析圖（PCA），其中正方形=底部發酵啤酒，圓圈=頂部發酵啤酒，三角形=自然發酵啤酒；PC1描述了39.5%的數據可變性，PC2描述了25.6%的數據可變性(總共是65.1%)。從(cong) 主成分分析(PCA)結果可以看出：

• 被試對自然發酵啤酒(LF,LK &LC)的苦味、碳酸化口感、風味、香味、泡沫高度和總體(ti) 口味的喜好度比較高；頂部發酵啤酒(Z,IG&P)在上述方麵則不太受歡迎；

• 底部發酵啤酒(XX)是引起高厭惡情緒和低對泡沫喜好度等相關(guan) 參數的樣啤酒樣本。

圖2b為(wei) 協方差矩陣圖，隻展示顯著相關(guan) 部分，黑色為(wei) 正相關(guan) ，淺灰色為(wei) 負相關(guan) 。圖中的縮寫(xie) 詳見表二。如圖所示，可看出有意識和無意識反應的變量之間存在一些相關(guan) 關(guan) 係：

• Theta波與(yu) 苦味(五點評分)正相關(guan) （R=0.69）;

• 苦味(五點評分)與(yu) 頭部朝向存在負相關(guan) 關(guan) 係，雖然差異不顯著。

• 碳酸化口感與(yu) 泡沫高度(五點評分)正相關(guan) (R=0.68)，與(yu) 低beta(R=-0.69)和高 alpha（R=-0.68)頻率負相關(guan) 。

• 厭惡情緒與(yu) 被試的體(ti) 溫正相關(guan) （R=0.72），這意味著消費者厭惡某種啤酒樣本時體(ti) 溫會(hui) 升高。

•體(ti) 溫與(yu) 可視化泡沫高度、可視化泡沫穩定性(R=-0.68)負相關(guan) (九點評分)。香味與(yu) 可視化泡沫穩定性(R=0.69)、泡沫高度(R=0.77)、泡沫穩定性(R=0.70)正相關(guan) (五點評分)。

•總體(ti) 喜好度與(yu) 香味(R=0.94)、碳酸化口感(R=0.89)和苦味(R=0.95)正相關(guan) ，結果表明這三種屬性對總體(ti) 喜好度的評價(jia) 有重要影響。

三、研究意義

1、該研究將感官問卷評價(jia) 與(yu) EEG、麵部表情、體(ti) 溫和心率測量等非侵入生物技術相結合，為(wei) 評估消費者對啤酒的接受度提供了一種的研究方法,節約了人力和時間成本；

2、基於(yu) 消費者對產(chan) 品的接受度及無意識反應，該方法能夠為(wei) 產(chan) 品營銷策略及其定價(jia) 提供有效的數據支撐；

3、該研究中采用的研究工具及分析方法可以獲得更客觀地測量結果，以了解複雜的感官交互作用，為(wei) 研究消費者對其它食品飲料的感官分析奠定了基礎；

4、研究結果為(wei) 啤酒釀造的改進提供了新的見解與(yu) 方向；

5、更重要的是，該研究進一步驗證了非侵入生物技術研究方法是有效的感官分析方法，比傳(chuan) 統單一的感官問卷分析更具有優(you) 勢。這方麵諾達思的多模態行為(wei) 評價(jia) 係統有異曲同工之妙（詳情見往期文章→《告別傳(chuan) 統單一測試方法|多維度進行感官測試研究》）。

參考文獻：

1、C. Marci, C. S, R. K, A Review of StudiesUsing Biometric Measures of Emotion to Predict Behaviors, Innerscope Research,2009.

2、Claudia Gonzalez Viejo, SigfredoFuentes, Kate Howell, Damir D. Torrico,Frank R. Dunshea，Integration of non-invasive biometrics withsensory analysis techniques to assess acceptability of beer by consumers.Physiology& Behavior (2018)。.

3、L. Danner, S. Haindl, M. Joechl, K.Duerrschmid, Facial expressions and autonomous nervous system responseselicited by tasting different juices, Food Res. Int. 64 (2014) 81–90.