好酒配好菜，不甚美哉！
那么，您知道如何進行餐酒搭配嗎？
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、市場預測以及產(chǎn)品定位等程序。其中，感官評價對產(chǎn)品配方的改善、市場接受度預測和消費者購買意向的預測發(fā)揮了至關重要的作用。
本研究將智能感官分析技術中的腦電分析和面部表情分析方法與傳統(tǒng)的消費者感官評價相結合，探究了餐酒搭配時白酒消費者喜好度，以期為消費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]。
白酒消費者感官評價方法的新趨勢
傳統(tǒng)的消費者感官評價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，例如因消費者個體差異，結果可能受到影響。因此，近年來已有研究嘗試采用智能感官評價技術，比如腦電、面部表情分析等來捕捉消費者在品嘗食物過程中無意識的自主神經(jīng)系統(tǒng)反應引起的生理和情緒變化，評價消費者對食品的味道、氣味或整體產(chǎn)品的喜好度及接受度，彌補傳統(tǒng)測評方法的主觀性。
目前，少有研究運用智能感官分析技術進行白酒消費者喜好度的研究，更少有研究餐酒搭配時白酒消費者喜好度?；诖?，本研究采用智能感官分析技術（腦電技術、面部表情分析技術）和傳統(tǒng)感官分析技術（感官測評問卷）結合，收集消費者在餐酒搭配過程中腦電和面部表情的實時變化，確定智能感官分析技術在白酒消費者喜好度研究中的可行性，明確餐酒搭配中的白酒消費者喜好度，以期為消費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
實驗共招募33 名消費者，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 款白酒樣品進行研究。
實驗開始之前，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，進行面部表情和腦電信號的校準。實驗開始之后，被試根據(jù)屏幕上的提示語進行品鑒，每位被試每次進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。整個測評過程收集面部表情視頻和腦電的數(shù)據(jù)。
圖1 實驗流程
被試在實驗中的面部表情被錄制并導入諾達思的面部表情分析系統(tǒng)（FaceReader）進行分析。該軟件能夠自動檢測到面部表情的變化，并基于面部動作編碼系統(tǒng)（Facial Action Coding System，FACS）與活動外觀模型（Active Appearance Model，AAM）對形變表情特征進行提取。識別出 7 種基礎情緒（中性、愉快、悲傷、憤怒、驚奇、懼怕和厭惡）以 0~1之間的分數(shù)表示特征情緒的強度變化，以及2種情緒狀態(tài)，效價（-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），用于本實驗的結果分析。
不同餐酒搭配下味覺強度的變化
首先分析每種基礎味道與白酒樣品搭配前后味覺強度是否存在差異，結果表明（圖2），甜味、酸味菜品與清雅型白酒搭配前后味覺強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，被試認為味覺強度變化呈現(xiàn)異質(zhì)性，菜品與清雅型白酒搭配后，甜味顯著增強，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。
圖2 基礎味道菜品與白酒搭配前后味覺強度變化
采用回歸分析、相關性分析的數(shù)據(jù)分析方法，分析不同餐酒搭配過程中白酒消費者喜好度與腦電波和面部表情情緒的相關性，以及消費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性。由表1分析結果可見，不同餐酒搭配會引起不同的面部表情情緒顯著變化，并且不同餐酒搭配時的面部表情情緒與喜好度之間存在關聯(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越高，面部表情喜好度越高。
表1 面部表情情緒相關性分析圖
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 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與傳統(tǒng)感官評價相結合的方法能夠有效的分析不同餐酒搭配時的白酒消費者喜好度。
總體來說，不同的餐酒搭配后，味覺強度變化呈現(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度均有所提升，清雅型白酒與甜味菜品搭配的消費者喜好度最高，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者喜好度相對較低。
創(chuàng)新型感官分析技術助力消費者偏好測評
本研究將智能感官分析技術中的腦電分析和面部表情分析方法聯(lián)用進行白酒飲用喜好度的研究。對于不同的餐酒搭配，被試認為搭配前后味覺強度變化呈現(xiàn)異質(zhì)性。不同的餐酒搭配也會引起腦電波和面部表情情緒發(fā)生顯著變化，并且在餐酒搭配時的腦電波和面部表情情緒與喜好度之間也存在相關性。
因此，智能感官分析技術可作為白酒消費者喜好度評價的一種有效的研究手段，將其與傳統(tǒng)感官分析方法相結合，能夠更全面、詳細的反饋影響白酒消費者喜好度的因素，對傳統(tǒng)感官分析方法進行了有效的補充，提升了白酒消費者喜好度測評的效率和科學性。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，進行合適的餐酒搭配，可以更好提升消費者的飲用體驗。
參考文獻
[1]劉加楠,范紹輝,付玉,王成,王德良,何國良 & 鄭揚韻.餐酒搭配中的白酒消費者喜好度研究.食品與發(fā)酵工業(yè)1-9.
關注諾達思公眾號，聯(lián)系我們獲取更多產(chǎn)品信息及學術文章！
