CN111579724B - 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 - Google Patents
一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 Download PDFInfo
- Publication number
- CN111579724B CN111579724B CN202010483812.1A CN202010483812A CN111579724B CN 111579724 B CN111579724 B CN 111579724B CN 202010483812 A CN202010483812 A CN 202010483812A CN 111579724 B CN111579724 B CN 111579724B
- Authority
- CN
- China
- Prior art keywords
- spicy
- sensitivity
- tingling
- sensory
- pungent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Seasonings (AREA)
Abstract
本申请提供了一种麻和辣阈上感觉敏感度快速分类方法、装置及应用,涉及食品感官评价技术领域。本发明提供的一种麻和辣阈上感觉敏感度快速分类方法包括以下步骤:(A)选定样本人群;(B)在坐标系中建立麻和辣心理物理学曲线置信区间;(C)根据需求,选定刺激样品浓度对待测人员进行检测;(D)依据步骤(C)的检测结果,应用步骤(B)建立的置信区间对待测人员进行分类。该快速分类方法及应用该方法的设备只需要构建一次置信区间,检测过程只需测定待测人员的感觉强度,即可由置信区间中读取出该待测人员的所属类别,这大大节省了敏感度分类时间,并且与现有技术中使用苦味敏感度代替整体敏感度的评价分类方法相比,具有更高的准确性。
Description
技术领域
本发明涉及食品感官评价技术领域,具体而言,涉及一种麻和辣阈上感觉敏感度快速分类方法、装置及应用。
背景技术
感官评价技术是建立在社会学、心理学、生理学和统计学等多门夸领域学科专业知识基础上的,具有实验验证特性的评价技术,在食品乃至洗涤用品、化妆用品等的感官质量控制方面发挥着越来越重要的作用。其中味觉评价是感官评价技术早期的核心评价指标,目前在食品研发和食材配伍上也具有重要的指导意义。
目前,已有文献大量报道的味觉评价技术主要涉及对于基本味(酸、甜、苦、咸、鲜)的评价,其评价方法主要有①阈值的测定。具体的为个体觉察阈值与识别阈值的测定,由于口腔外周和中枢认知系统组织的复杂性,阈值与阈上强度的感知并不相关,使得阈值的测定并不能用来表征个体在阈值之上的敏感度。②味蕾法。即根据味蕾的数量反应评价员敏感度,味蕾数量是对外周感受器解剖学的测量,具有很强的科学性,但是由于该方法并没有考虑到其他可能影响味觉敏感度的因素,如中枢神经及环境影响等,因此该方法并不适合用来评价个体的味觉敏感度。③基于感觉强度的味觉敏感度评价。该方法经过了不断地改进,目前被广泛采纳的方法是,测量评价员样本群体对不同苦味剂(如6-n-丙硫氧嘧啶,PROP)浓度的感觉强度,而后采用四分位点办法将评价员样本群体分为低、中、高敏感三类。目前被普遍采用PROP ratio(即所确定浓度下的苦味强度评分与咸味强度评分的比值)作为衡量感觉强度的指标。
近年来,麻辣食品或菜肴越来越受到国内外消费者的欢迎,明确评价员麻辣味感官敏感度的测试方法不仅可以指导川味食品生产企业基于高灵敏性小组进行感官评价实验以便于将可靠的结论用于指导产品研发,而且对于深入探究特定地域或特定领域消费者对麻辣这一类嗜好性风味的感觉敏感度与饮食偏好、摄食行为之间的关系,进而进行合理、健康的食材配伍以及烹饪技术的改进都具有重要意义。
然而,目前对于麻辣风味感觉敏感度并无统一的敏感度分类标准。上述的采用PROP ratio(即所确定浓度下的苦味强度评分与咸味强度评分的比值)作为衡量感觉强度的指标,由于其测试试剂为苦味剂,因此其仅代表苦味敏感度的测试结果,并不能代替整体味觉或口腔刺激感觉敏感度,而且文献表明苦味感觉敏感度与辣味敏感度并不相关(Fukunaga,A.,Uematsu,H.,&Sugimoto,K.(2005).Influences of aging on tasteperception and oral somatic sensation[J].The Journals of Gerontology SeriesA:Biological Sciences and Medical Sciences,60(1),109-113.),同时,由于麻辣敏感度的评价中需要对麻味和辣味同时做出准确的评价,而目前评价员对这两种味觉的敏感度的变化趋势是否如苦味与咸味一样呈正比例关系或是其他特定关系还未见报道,因此,简单套用现有对基本味的敏感度分类方法用来对麻辣敏感度分类是行不通的。
发明内容
有鉴于此,本发明的目的之一在于,提供一种麻和辣阈上感觉敏感度快速分类方法,以弥补目前对麻辣敏感度进行综合分类的方法的空白。
本发明的另一目的为,提供一种采用上述综合分类方法对待测人员进行分类的装置,该装置能够实现对待测人员的麻辣敏感度进行快速的综合评价。
本发明的另一目的为,公开了麻和辣阈上感觉敏感度快速分类方法在对评测员和消费者这两类群体内的低、中、高麻辣敏感者进行分类过程中的应用,该方法的应用能大大节省敏感度分类时间,与现有技术中使用苦味敏感度代替整体敏感度的评价分类方法相比,具有更高的准确性。
本发明提供的一种麻和辣阈上感觉敏感度快速分类方法包括以下步骤:
(A)选定样本人群;
(B)在坐标系中建立麻辣心理物理学曲线置信区间;
(C)根据需求,选定刺激样品浓度对待测人员进行检测;
(D)依据步骤(C)的检测结果,应用步骤(B)建立的置信区间对待测人员进行分类。
其中步骤(A)中选择样本人群应当与所要进行敏感度分类的待测人员具有相同或相似的感觉特征,例如所要进行敏感度分类的待测人员为某一国家或地区的消费者时,样本人群的组成应当与该国家或地区的麻辣食品消费者的组成具有相当的比例关系,所述的比例关系包括性别比例、年龄构成、民族分布等。而步骤(C)中所述的待测人员可以是需要检测敏感度的任何个体。
上述步骤(B)中所述的坐标系可以为三轴坐标系,也可以为双横纵坐标轴坐标系,当所述坐标系为三轴坐标系时,所述三个坐标轴上的取值分别与感觉强度、麻味刺激样品浓度和辣味刺激样品浓度定量相关;当所述的坐标系为双横纵坐标轴坐标系时,两个横坐标轴上的取值分别与麻味刺激样品浓度和辣味刺激样品浓度定量相关,两个纵坐标轴上的取值分别与麻味感觉强度和辣味感觉强度定量相关;所述的定量相关,包括直接采用检测得到的感觉强度、麻味刺激样品浓度和辣味刺激样品浓度数值,也包括经过统计学上可执行的转换方式对感觉强度、麻味刺激样品浓度和辣味刺激样品浓度进行处理后的数值,例如同时对感觉强度、麻味刺激样品浓度和辣味刺激样品浓度取对数作为三轴坐标系的三个坐标轴上的取值,优选地,所述的对数为自然对数。
上述的检测到的感觉强度,指的是采用可量化的方法,对样本人群或待测人员检测得到的数值,例如可以采用标记量值标度法(gLMS)对样本人群或待测人员检测得到的感觉强度;上述用于样本人群检测的麻味刺激样品浓度和辣味刺激样品浓度由专业麻辣味感官评价员在阈上范围内给出,在该给定阈上范围内,备选评价员能够依据麻味或辣味浓度的增加给出相应递增的感觉强度值;上述用于待测人员检测的麻味刺激样品浓度和辣味刺激样品浓度根据需求进行选定,比如已知某产品的辣度值,欲检测待测人员对该产品的敏感度时,即可采用与本产品辣度值相当的辣味刺激样品浓度进行检测,再如,当需要对某一批待测人员的麻和辣敏感度进行合理的分类时,即可从步骤(B)得到置信区间中读取最适宜用来对待测人员分类的刺激样品浓度。
上述的麻味刺激样品为花椒油树脂、花椒、花椒粉、花椒精中的一种或两种以上组合;上述的辣味刺激样品为辣椒素、二氢辣椒素中的一种或两种以上组合。
优选地,上述麻味刺激样品选择浓度为0.20g/L~4.69g/L的花椒油树脂;上述辣味刺激样品选择浓度为0.01g/L~0.11g/L的辣椒素。
更加优选地,上述麻味刺激样品花椒油树脂选择0.20g/L、0.44g/L、0.97g/L、2.13g/L和4.69g/L这五个点值;上述辣味刺激样品辣椒素选择0.01g/L、0.02g/L、0.03g/L、0.06g/L及0.11g/L这五个点值。
上述的麻辣心理物理学曲线置信区间的构建包括如下步骤:
(a)采用标记量值标度法对样本人群的麻味敏感度和辣味敏感度进行检测,而后依据检测结果,分别构建样本人群对麻味和辣味的心理物理学曲线;
(b)根据步骤(a)得到的麻味的心理物理学曲线和辣味的心理物理学曲线分别构建麻味中敏感度区间和辣味中敏感度区间;
(c)依据感觉强度越高,敏感度越高的原则,根据步骤(b)确定的麻味中敏感度区间和辣味中敏感度区间,分别构建麻味高、低敏感度区间和辣味高、低敏感度区间,即分别得到包含低、中、高三个敏感区间的麻味敏感度区间平面和辣味敏感度区间平面;
(d)将步骤(c)得到的麻味敏感度区间平面和辣味敏感度区间平面在坐标系中实现交汇,得到用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线置信区间。
当所述的坐标系为三轴坐标系时,所述的麻味敏感度区间平面和辣味敏感度区间平面沿着各自法线方向平移,即可在三轴坐标系内交汇出用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线置信区间。
当所述的坐标系为双横纵坐标轴坐标系时,所述的麻味敏感度区间平面和辣味敏感度区间平面在双横纵坐标轴坐标系平面内交汇出用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线置信区间。
上述步骤(b)中根据麻味的心理物理学曲线和辣味的心理物理学曲线分别构建麻味中敏感度区间和辣味中敏感度区间时,可按照95%置信区间的计算方法来构建95%置信区间,也可以按照20%相对标准偏差计算公式得到的20%相对标准偏差置信区间,或其他统计学上可接受,实际应用中有意义的置信区间计算方法。
其中95%置信区间的计算方法为,以样本人群中个体的检测结果为基础,计算个体感觉强度均值、标准差以及当α=0.05时小组对应自由度下的t分位数,按照计算95%置信下限,按照计算95%置信上限,最终得到的心理物理学函数的95%置信区间,其中x为均值;s为标准差;n为自由度,样本数-1;t为自由度为n,α=0.05时t分布的双侧分位数。
采用20%相对标准偏差计算公式时,依据相对标准偏差计算公式,经过计算得到,20%置信上限为x+20%*x,20%置信下限为x-20%*x,其中x为样本人员所测的感觉强度的均值。
本发明还提供了一种麻和辣阈上感觉敏感度快速分类装置,该装置应用上述的分类方法,实现对待测人员的麻和辣敏感度进行快速综合评价及分类。
本发明提供的麻和辣阈上感觉敏感度快速分类装置,包括感觉强度、麻味刺激样品浓度和辣味刺激样品浓度录入装置,置信区间构建模块和分类结果输出装置,首先将对样本人员检测得到的感觉强度、麻味刺激样品浓度和辣味刺激样品浓度通过输入装置输入进分类装置,而后通过置信区间构建模块根据上述的方法构建置信区间,置信区间构建完成后,可以完成对具有与样本人群特性的大量待测人员完成快速检测,可实现构建一次置信区间,长期进行检测的效果,不仅准确度高、且方便快捷。
优选地,所述分类装置还包括麻味刺激样品、辣味刺激样品的储存装置和稀释装置,方便刺激样品的携带、取放与配制。
优选地,所述的录入装置在录入过程中可采取多种录入方式,如本申请录入装置采用扫描二维码录入的方式,在检测时,样本人群或待测人员通过自助检测获得二维码,而后本申请提供的录入装置通过扫描二维码录入信息,或者,本申请提供的录入装置为语音录入装置,样本人群或待测人员通过语音直接输入自己的感觉强度,或者,本申请提供的录入装置为手动录入装置,样本人群或待测人员可直接手动将感觉强度输入录入装置;和/或,所述分类结果输出装置采用语音输出装置,在对待测人员的敏感度检测完成后,直接语音给出对该待测人员的分类结果;和/或,所述分类结果输出装置为纸质凭条输出装置,在对待测人员的敏感度检测完毕后,打印凭条给予结果证明;和/或,所述分类结果输出装置为电子文档输出结果,可供待测人员检测完毕后通过拷贝、转发或者数字存储的方式进行获取。
优选地,所述录入装置为手动录入装置时,可以采用触屏手动录入装置,和/或,按键手动录入装置。
优选地,所述分类装置为手持装置,或,移动装置,方便流动检测,提高效率和工作环境适应性。
本发明还提供了上述麻和辣阈上感觉敏感度快速分类方法或装置的应用。上述麻和辣阈上感觉敏感度快速分类方法可应用于对食品进行测评的评价员分类,经过对评价员分类,为企业筛选出具有高灵敏性的评价员组成评价小组,以便在感官评价实验中得到可靠的结论用于指导产品研发;上述麻和辣阈上感觉敏感度快速分类方法也可应用于对麻辣食品消费者进行分类,通过对特定消费者人群进行麻辣这一嗜好性风味的敏感度分类,可以及时掌握消费者的饮食偏好、摄食行为,从而生产者可以对麻辣食材进行针对性配伍,对烹饪技术进行精确改进。
本发明提供的麻和辣阈上感觉敏感度快速分类方法,采用在坐标系中同时构建麻味和辣味的置信区间,通过麻味和辣味置信区间交汇得到用于综合评价麻味和辣味的置信区间,并采用该置信区间对麻和辣敏感度进行分类,与现有技术中的采用苦味敏感度代替整体敏感度的技术方案相比,能够更加准确反映待测人员的麻辣整体敏感度,是对麻味和辣味两种敏感度的综合评测,填补了同时评价两种口腔刺激感敏感度的技术空白。
本发明提供的麻和辣阈上感觉敏感度快速分类方法只需要构建一次置信区间,即可根据已构建的置信区间对具有相同评价特征的人群进行长期的快速检测,例如对某一地区消费者进行一次样品人群筛选构建完成置信区间之后,即可应用该置信区间对本地区的大量消费者进行长期的检测分类,检测过程只需测定待测人员的感觉强度,即可由置信区间中读取出该待测人员的所属类别,这大大节省了敏感度分类时间,并且与现有技术中使用苦味敏感度代替整体敏感度的评价分类方法相比,具有更高的准确性。
本发明提供的快速分类装置可以完成对具有与样本人群特性的大量待测人员完成快速检测,可实现构建一次置信区间,长期进行检测的效果,不仅准确度高、且方便快捷。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例1中得到的麻味心理物理学曲线20%相对标准偏差置信区间;
图2示出了本发明实施例1中得到的辣味心理物理学曲线20%相对标准偏差置信区间;
图3示出了本发明实施例1中得到的麻和辣味心理物理学曲线20%相对标准偏差置信区间;
图4示出了本发明实施例3所得到的苦味心理物理学曲线20%相对标准偏差置信区间平面;
图5示出了本发明实施例4中得到的麻味心理物理学曲线95%置信区间;
图6示出了本发明实施例4中得到的辣味心理物理学曲线95%置信区间;
图7示出了本发明实施例4中得到的麻和辣味心理物理学曲线95%置信区间;
图8示出了本发明实施例6所得到的苦味心理物理学曲线95%置信区间平面;
图9示出了本发明附录中采用的通用标记量值标度。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到某一麻辣食品企业欲就指定食品挑选一批具有麻辣高灵敏性的评价小组来指导其进一步的食品开发,基于此,本发明实施例提供了一种麻和辣阈上感觉敏感度快速分类方法,下面通过实施例1-3进行描述。
实施例1
麻和辣心理物理学曲线置信区间的构建。
1.1试剂及刺激样品的制备
表1.1实施例1所需实验样品表
上述花椒油树脂NSE20130的组成如下
表1.2实施例1中所需刺激样品浓度设置表
上述麻味刺激样品的五个浓度经自然对数运算后分别为-1.61、-0.82、-0.03、0.76、1.54,间距为0.79等差分布的5个数值。
上述辣味刺激样品的五个浓度经自然对数运算后分别为-4.62、-4.02、-3.42、-2.82、-2.22,间距为0.60等差分布的5个数值。
1.2样本人群的招募与初选
首先通过多渠道的企业内部招募和外部招募共招募150名候选评价员,其内部招募和外部招募的方式如下:
内部招募方式:候选人从单位办公室、厂区或实验室等内部职员中招募,应避免那些与被测样品密切相关的人员,如技术和销售人员,因为他们在未来评价中可能会造成结果的偏差。这种招募方式,最重要的是要得到单位管理层和各级组织的支持,并明确承担的感官评价工作作为个人工作的一部分,这些应在招募阶段予以明示。
外部招募采取了多种方式:①通过各种信息化渠道发布招募广告,采取刊登刊物、发布公众号、发布微信朋友圈的方式;②从经常参加本企业实验室的消费者测试的对象中筛选;③从企业附近的在校大学生中筛选;④个人推荐。
而后按照表1.3的内容对候选评价员进行初步筛选,通过候选评价员自己填写清晰明了的调查表以及经有经验的感官分析师对其进行面试综合得到。要调查的内容包括知识和才能、健康状况、兴趣爱好、参加的原因或动机、食品禁忌、色彩分辨能力、味觉和嗅觉缺失等内容;调查表格内容见下表。
表1.3评价员筛选报名
以表1.3为调查表,通过以下途径对样本人群进行招募,并从中选取身体健康、经验丰富、感官灵敏的备选评价员72名。
1.3gLMS强度评价
组织72名备选评价员采用gLMS(标记量值标度)法对5个辣味浓度和5个麻味浓度的感觉强度评价,评价回答表见附录,然后,计算对于每个刺激样品浓度得到的72名评价员感觉强度的平均值,结果见表1.3,1.4。
表1.3备选评价员辣味强度统计表
辣味刺激样品浓度 | 0.01 | 0.02 | 0.03 | 0.06 | 0.11 |
刺激样品浓度对应自然对数值 | -4.62 | -4.02 | -3.42 | -2.82 | -2.22 |
感觉强度平均值 | 2.8 | 4.6 | 7.7 | 12.9 | 21.4 |
感觉强度平均值对应自然对数值 | 1.03 | 1.53 | 2.04 | 2.56 | 3.06 |
表1.4备选评价员麻味强度统计表
麻味刺激样品浓度 | 0.20 | 0.44 | 0.97 | 2.13 | 4.69 |
刺激样品浓度对应自然对数值 | -1.61 | -0.82 | -0.03 | 0.76 | 0.76 |
感觉强度平均值 | 4.6 | 7.5 | 15.9 | 23.4 | 31.6 |
感觉强度平均值对应自然对数值 | 1.53 | 2.01 | 2.77 | 3.15 | 3.45 |
1.4麻和辣心理物理学曲线置信区间
该置信区间在双横纵轴坐标系中建立,令上述表1.4中麻味刺激样品的五个浓度经对数运算后得到的5个等差分布的数值为下横坐标x,以表1.4中感觉强度自然对数平均值左纵坐标y,绘制麻味强度对麻味刺激样品的双对数心理物理学曲线,并根据相对标准偏差公式取n=3,RSD=20%,分别以y1-y5为得到每一个麻味刺激样品浓度条件下得到的麻味强度的上下限,继而得到20%相对标准偏差条件下的麻味心理物理学曲线置信区间,并得到由该置信区间分隔而成的具有低、中、高三个敏感区间的麻味敏感度区间平面,如图1所示。
而后,以表1.3中辣味刺激样品的五个浓度经对数运算后得到的5个等差分布的数值按照由大到小的顺序设置为上横坐标,表1.3中感觉强度自然对数平均值为右纵坐标,且保证右纵坐标的1.03与左纵坐标的1.53对齐,并采用相同的计算和绘制方法得到辣味心理物理学曲线及辣味敏感度区间平面,如图2所示,而后将麻味敏感度区间平面与辣味敏感度区间平面在双横纵坐标轴坐标系中交汇,即可得到用于同时评价麻味和辣味敏感度的麻和辣味心理物理学曲线置信区间,结果如图3所示,从图中可以得到由麻味心理物理学曲线置信区间与辣味心理物理学曲线置信区间交汇得到一个近似菱形的双中敏感度区间,在竖直方向上,该菱形区域存在如下表所示的上限、下限以及中心点,为了确保对本样本人群,及备选评价员的敏感度分类更加准确,后续对评价员进行筛选时应当选择中心点对应的麻味刺激样品浓度和辣味刺激样品浓度,分别为0.95g/L和0.033g/L。
表1.5实施例1中得到双中敏感度上下顶点及中心点
实施例2
全体备选评价员的分类
选取0.95g/L的花椒油树脂和0.033g/L的辣椒素作为刺激样品,对全体72名备选评价员进行gLMS法检测,而后根据得到的检测结果在实施例1中得到的麻辣心理物理学曲线置信区间中读取相应的分类结果,并统计低、中、高敏感度评价员人数,结果见表2.1,由表2.1可知,有10位备选评价员对麻辣均很敏感,有14位对麻辣属于中等敏感,6位对麻辣均不敏感。
表2.1全体评价员20%相对标准偏差法分类结果
根据企业对于评价员的需求,寻找具有中、高敏感度的评价员组成高灵敏性评价小组,对欲开发食品进行生产指导,最终共得42名评价员(表2.1斜体字之和)。
实施例3
为了确定20%相对标准偏差法应用于味觉敏感度分类的可行性,本实施例对现有PROP法与本发明提供的20%相对标准偏差法的相关性进行了考察,并且确定了20%相对标准偏差法能够应用于味觉敏感度分类。
3.1试剂及刺激样品的制备
表3.1实施例3所需实验样品表
表3.2实施例3中所需刺激样品浓度设置表
3.2苦感心理物理学曲线置信区间平面的构建。
选取上述实施例2筛选得到的72名备选评价员作为验证群体,采用gLMS通用的数据处理方法对每个个体苦味评价结果计算其对数,小组结果根据对个体苦味对数结果的算术平均值得到。进一步的,利用20%相对标准偏差的思想计算浓度-感觉函数曲线的置信区间,并得到苦感心理物理学曲线置信区间平面,结果见表3.3及图4。
表3.3苦感敏感度20%相对标准偏差法结果
苦味浓度(g/L) | 0.27 | 0.42 | 0.66 | 1.02 | 1.59 |
苦味强度上限 | 6.6 | 9.6 | 14.0 | 20.5 | 30.0 |
强度均值 | 5.5 | 8.0 | 11.7 | 17.1 | 25.0 |
强度下限 | 4.4 | 6.4 | 9.4 | 13.7 | 20.0 |
3.3. 20%相对标准偏差法所得的苦感心理物理学曲线置信区间平面与PROP法分类相关性验证。
根据文献报道,以中等感觉强度的NaCl(31.74g/L)作为参考,评价员对等感觉强度的PROP和NaCl评分的比例来进行人群分类是一种可靠的方法,根据72名评价员对中等浓度咸味刺激样品(31.74g/L)和中等浓度苦味刺激样品(0.66g/L)的评分结果,得到PROPratio并根据四分位点法对其苦味敏感度进行分类,个体结果打上苦味敏感度类别标签。
以中等浓度苦味刺激样品(0.66g/L)作为检测溶液对72名评价员进行检测,而后在图4得到的苦感心理物理学曲线置信区间平面中读取相应分类,并统计记录。
将上述PROPratio法得到的分类结果数据与采用20%相对标准偏差法得到的分类结果数据进行卡方检验,检验结果见表3.4。
表3.4中等浓度苦味刺激样品得到PROPratio*20%标准偏差法交叉列表
表3.4显示两类方法的分类结果一致性越为81%,两种分类的相关系数为0.83(p=0.00)。此外,我们提出的20%标准偏差的方法不会存在高敏人群被错分至低敏人群中,结果的准确度较高。
同时,本发明选择了以PROP的第二个浓度,即低浓度苦味刺激样品(0.42g/L),再次对两种方法进行相关性分析验证,其交叉结果如表3.5所示。
表3.5低浓度苦味刺激样品得到PROPratio*20%标准偏差法交叉列表
由上可见,在第二个浓度点PROPratio与20%标准偏差法的分类结果spearman相关系数在为0.71(p=0.00)、卡方为52.45(p=0.00),分类正确率约为70%,仅有1位低敏备选评价员被分入了高敏组,也间接证明了利用双对数曲线置信区间内中低浓度段的任一浓度点进行苦味敏感性分类的可行性,由此,将该结论应用于麻和辣的敏感度测试之中。
考虑到企业在实际对食品评价过程中可能不需要过多的评价员,或者对评价结果要求较高,此时则需要更加严格的评价标准,因此,实施例4采用更为严格的95%置信区间对实施例1得到的72名备选评价员进行分类。
实施例4
95%麻和辣心理物理学曲线置信区间的构建。
在上述实施例1.4中,分别绘制麻味心理物理学曲线和辣味心理物理学曲线后,按照计算95%置信下限,按照计算95%置信上限,式中x为检测得到的感觉强度值,n为2,t为1.96,s为检测得到的感觉强度值的标准方差,继而分别得到95%麻味心理物理学曲线置信区间,如图5所示,和95%辣味心理物理学曲线置信区间,如图6所示,采用与实施例1相同的方式,将95%麻味心理物理学曲线置信区间与95%辣味心理物理学曲线置信区间在双横纵坐标轴坐标系中交汇,即得到用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线95%置信区间平面,结果如图7所示。
从图中可以得到95%置信区间平面中对应的双中敏感区的上限、下限和中心点,见表4.1,由此,可以得到采用95%置信区间对评价员进行分类时,应采用的最佳麻味刺激样品浓度为0.94g/L,辣味刺激样品浓度为0.034g/L。
表4.1实施例4中得到双中敏感度上下顶点及中心点
实施例5
选取0.94g/L的花椒油树脂和0.034g/L的辣椒素作为刺激样品,对全体72名备选评价员进行gLMS法检测,而后根据得到的检测结果在实施例4中得到的麻辣心理物理学曲线95%置信区间中读取相应的分类结果,并统计低、中、高敏感度评价员人数,结果见表5.1,由表5.1可知,有10位备选评价员对麻辣均很敏感,有5位对麻辣属于中等敏感,9位对麻辣均不敏感。
表5.1全体评价员95%置信区间法分类结果
由表5.1可以得到根据95%置信区间法对72名备选评价员进行分类,符合中、高敏感度的评价员数量为27人,远少于采用20%相对标准偏差置信区间得到的评价员数量。
可见,企业可以根据实际需求选择适用20%相对标准偏差置信区间还是95%置信区间对评价员进行分类筛选,本发明提供的分类方法为企业提供了更多的选择,更能适应实际需求。
实施例6
同样,为了确定95%置信区间的计算方法应用于味觉敏感度分类的可行性,本实施例对现有PROP法与本发明提供的95%置信区间的相关性进行了考察,并且确定了95%置信区间法能够应用于味觉敏感度分类。
本实施例选用的试剂及配制方法与实施例3相同,区别在于置信区间的构建方法采用的为95%置信区间的构建方法,所得苦味敏感度95%置信区间结果如表6.1所示,依据表6.1构建的95%置信区间如图8所示。
表6.1苦味敏感度95%法置信区间检测结果
而后,根据文献报道,以中等感觉强度的NaCl(31.74g/L)作为参考,评价员对等感觉强度的PROP和NaCl评分的比例来进行人群分类是一种可靠的方法,根据72名评价员对中等浓度咸味刺激样品(31.74g/L)和中等浓度苦味刺激样品(0.66g/L)的评分结果,得到PROPratio并根据四分位点法对其苦味敏感度进行分类,个体结果打上苦味敏感度类别标签。
以中等浓度苦味刺激样品(0.66g/L)作为检测溶液对72名评价员进行检测,而后在本实施例得到的苦味心理物理学曲线置信区间平面中读取相应分类,并统计记录。
将上述PROPratio法得到的分类结果数据与采用95%置信区间法在中等苦味刺激浓度(0.66g/L)和低苦味刺激浓度(0.42g/L)得到的分类结果数据进行卡方检验,检验结果见表6.2。
表6.2 PROPratio*95%法交叉列表
表6.2显示PROPratio法和95%置信区间法在中等苦味刺激浓度(0.66g/L)的分类结果一致性约为73.6%,两种分类的相关系数为0.78(p=0.00)。同样利用低苦味刺激浓度(0.42g/L)分类方法与PROP ratio结果比较,分类结果一致性约为63.8%,两种分类的相关系数为0.68(p=0.00)。因此,95%置信区间法在中、低浓度刺激样品条件下,相比20%相对标准偏差的方法分类的准确度均有所降低,证明20%标准偏差的方法更适合用于阈上敏感性分类。
本发明实施例所提供了将20%相对标准偏差法和95%置信区间法应用于评价员的分类,同时,将两种方法应用于消费者的分类也是完全可行的,具体实现方式可参考以上各实施例,在此不再赘述。
实施例7
本实施例提供了一种麻和辣阈上感觉敏感度快速分类装置,应用于上述实施例1-2。
本实施例提供的麻和辣阈上感觉敏感度快速分类装置,为一种手持装置,包括感觉强度、麻味刺激样品浓度和辣味刺激样品浓度录入装置,置信区间构建模块和分类结果输出装置,首先将对样本人员检测得到的感觉强度、麻味刺激样品浓度和辣味刺激样品浓度通过输入装置输入进分类装置,而后通过置信区间构建模块根据上述实施例1的方法构建置信区间,置信区间构建完成后,可以完成对实施例2中待测人员完成快速检测,实现构建一次置信区间,快速进行大量检测的效果,不仅准确度高、且方便快捷。
上述分类装置还包括麻味刺激样品、辣味刺激样品的储存装置和稀释装置,方便刺激样品的携带、取放与配制。
本实施例的录入装置为手动触屏录入装置,样本人群和待测人员直接手动将感觉强度输入录入装置。本申请所述的分类结果输出装置采用语音输出装置和电子文档输出结果,在对待测人员的敏感度检测完成后,分类装置直接语音给出对该待测人员的分类结果;输出电子文档输出结果,可供待测人员检测完毕后通过拷贝、转发或者数字存储的方式进行获取。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
附录:基于gLMS的强度评分回答表
姓名:日期:
提示语:
(1)首先用清水漱口,确保口腔内无杂味,并将口腔内参与的水、唾液等吞咽或吐出;
(2)将50uL样液滴到纸片上,将纸片横放在舌尖中间,含30s后吐出,期间请将刺激所产生的唾液进行吞咽,另等待2min;
(3)采用附图9所示的通用标记量值标度对感觉强度进行采集,感觉强度采集在全过程中,边吞咽唾液,边体会样品的味道,在感受到的最高强度在标尺相应位置进行标记,对纸条的咸味强度进行评分。可以在标尺的任意位置作出标记并写下分值,而不仅仅局限于描述语附近。
注:标尺的最顶端是“任意感觉中可想象的最高强度”(如能想象到的最高痛觉强度,晴天下直视太阳光的亮度)。
Claims (19)
1.一种麻和辣阈上感觉敏感度快速分类方法,其特征在于,包括步骤如下:
(A)选定样本人群;
(B)在坐标系中建立麻和辣心理物理学曲线置信区间;
(C)根据需求,选定刺激样品浓度对待测人员进行检测;
(D)依据步骤(C)的检测结果,应用步骤(B)建立的置信区间对待测人员进行分类;
所述的麻和辣心理物理学曲线置信区间的构建包括如下步骤:
(a)采用标记量值标度法对样本人群的麻味敏感度和辣味敏感度进行检测,而后依据检测结果,分别构建样本人群对麻味的心理物理学曲线和辣味的心理物理学曲线;
(b)根据步骤(a)得到的麻味的心理物理学曲线和辣味的心理物理学曲线分别构建麻味中敏感度区间和辣味中敏感度区间;
(c)根据步骤(b)确定的麻味中敏感度区间和辣味中敏感度区间,分别构建麻味高、低敏感度区间和辣味高、低敏感度区间,分别得到包含低、中、高三个敏感区间的麻味感度区间平面和辣味敏感度区间平面;
(d)将步骤(c)得到的麻味敏感度区间平面和辣味敏感度区间平面在坐标系中实现交汇,得到用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线置信区间;
所述刺激样品浓度的选定方法为,麻味敏感度的心理物理学曲线置信区间与辣味敏感度的心理物理学曲线置信区间交汇得到一个近似菱形的双中敏感度区间,在竖直方向上,该菱形区域存在上限、下限以及中心点,选取中心点对应的刺激样品浓度。
2.根据权利要求1所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的坐标系为双横纵坐标轴坐标系或三轴坐标系。
3.根据权利要求2所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述坐标系为三轴坐标系,三个坐标轴上的取值分别与感觉强度、麻味刺激样品浓度和辣味刺激样品浓度定量相关。
4.根据权利要求3所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,与感觉强度定量相关的取值包括采用可量化的方法对样本人群或待测人员检测得到的感觉强度的对数值。
5.根据权利要求4所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,可量化的方法为标记量值标度法。
6.根据权利要求2所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述坐标系为双横纵坐标轴坐标系,两个横坐标轴上的取值分别与麻味刺激样品浓度和辣味刺激样品浓度定量相关,两个纵坐标轴上的取值分别与麻味感觉强度和辣味感觉强度定量相关。
7.根据权利要求6所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,与麻味刺激样品浓度定量相关的取值包括选定麻味刺激样品浓度的对数值;和/或,
与辣味刺激样品浓度定量相关的取值包括选定辣味刺激样品浓度的对数值。
8.根据权利要求7所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的对数值为自然对数值。
9.根据权利要求3~8任一项所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的麻味刺激样品包括花椒油树脂、花椒、花椒粉、花椒精中的一种或两种以上组合。
10.根据权利要求9所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的麻味刺激样品选择浓度为0.20g/L~4.69g/L的花椒油树脂。
11.根据权利要求10所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述花椒油树脂的浓度包括0.20g/L、0.44g/L、0.97g/L、2.13g/L和4.69g/L。
12.根据权利要求3~8任一项所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的辣味刺激样品包括辣椒素、二氢辣椒素中的一种或两种组合。
13.根据权利要求12所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的辣味刺激样品选择浓度为0.01g/L~0.11g/L的辣椒素。
14.根据权利要求13所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述辣椒素的浓度包括0.01g/L、0.02g/L、0.03g/L、0.06g/L和0.11g/L。
15.根据权利要求1所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述的坐标系为三轴坐标系,所述的麻味敏感度区间平面和辣味敏感度区间平面沿着各自法线方向平移,即可在三轴坐标系内交汇出用于同时评价麻味和辣味敏感度的麻辣心理物理学曲线置信区间。
16.根据权利要求1所述的麻和辣阈上感觉敏感度快速分类方法,其特征在于,所述步骤(b)中麻味中敏感度区间和辣味中敏感度区间是根据步骤(a)中麻味的心理物理学曲线和辣味的心理物理学曲线,以样本人群的检测结果为基础,按照95%置信区间计算方法得到的95%置信区间,或者,按照20%相对标准偏差计算公式得到的20%相对标准偏差置信区间。
17.权利要求1-16任一项所述的麻和辣阈上感觉敏感度快速分类方法在实现麻和辣味觉敏感度快速综合分类中的应用。
18.根据权利要求17所述的应用,其特征在于,应用于对麻辣食品进行测评的评价员分类。
19.根据权利要求17所述的应用,其特征在于,应用于对麻辣食品消费者进行分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010483812.1A CN111579724B (zh) | 2020-06-01 | 2020-06-01 | 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010483812.1A CN111579724B (zh) | 2020-06-01 | 2020-06-01 | 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111579724A CN111579724A (zh) | 2020-08-25 |
CN111579724B true CN111579724B (zh) | 2022-07-12 |
Family
ID=72127380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010483812.1A Active CN111579724B (zh) | 2020-06-01 | 2020-06-01 | 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111579724B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994150B (zh) * | 2022-05-31 | 2023-10-27 | 中国标准化研究院 | 一种红花椒麻度的电子舌快速分类方法 |
CN115629167A (zh) * | 2022-11-08 | 2023-01-20 | 黑龙江飞鹤乳业有限公司 | 半固体食品评价方法和应用 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1325907C (zh) * | 2001-02-21 | 2007-07-11 | 巴西农业研究公司 | 通过总体选择性分析混合物的传感器及其在传感器系统中的应用 |
JP4240003B2 (ja) * | 2005-05-23 | 2009-03-18 | 学校法人慶應義塾 | 味の測定方法並びにそのための味覚センサー及び味測定装置 |
CN102222164A (zh) * | 2011-05-30 | 2011-10-19 | 中国标准化研究院 | 一种食品感官质量评价方法及系统 |
JP6012081B2 (ja) * | 2013-08-30 | 2016-10-25 | 長谷川香料株式会社 | 辛み物質または苦味物質による摂食意欲の変化の評価方法 |
CN105814597A (zh) * | 2013-10-09 | 2016-07-27 | 索夫特梅特技术股份有限公司 | 对食物产品进行分类的系统和方法 |
FR3038216A1 (fr) * | 2015-07-03 | 2017-01-06 | Centre Scient Et Technique Du Batiment (Cstb) | Methode de construction d'un espace sensoriel |
ITUA20164123A1 (it) * | 2016-06-06 | 2017-12-06 | Univ Degli Studi Cagliari | Dispositivo, sistema e relativo metodo per la valutazione quantitativa della sensibilità gustativa |
WO2019010172A1 (en) * | 2017-07-03 | 2019-01-10 | The Rockefeller University | COMPOSITIONS AND METHODS FOR UNIVERSAL CLINICAL TEST FOR OLFACTORY DYSFUNCTION |
CN110610183A (zh) * | 2018-06-15 | 2019-12-24 | 佛山市顺德区美的电热电器制造有限公司 | 谷物评估方法、装置和存储介质 |
CN109609660A (zh) * | 2018-12-24 | 2019-04-12 | 郑州华之源医学检验实验室有限公司 | 一种个体识别体系、检测方法及其应用 |
CN109991368B (zh) * | 2019-03-20 | 2020-09-22 | 华南理工大学 | 基于电子舌的酱油滋味评价方法、装置、介质和计算设备 |
CN109991282A (zh) * | 2019-04-09 | 2019-07-09 | 广东博智林机器人有限公司 | 电子舌传感器、样品检测装置和食物味道的检测方法 |
CN110261545B (zh) * | 2019-06-24 | 2021-08-31 | 浙江工商大学 | 一种用于确定味觉物质感官评价属性的方法 |
CN110522461B (zh) * | 2019-08-23 | 2020-07-28 | 中国标准化研究院 | 一种判别感官评价人员特殊专注力的方法和系统及装置 |
CN110646350B (zh) * | 2019-08-28 | 2023-06-02 | 深圳数联天下智能科技有限公司 | 产品分类方法、装置、计算设备及计算机存储介质 |
CN110570129A (zh) * | 2019-09-12 | 2019-12-13 | 中国标准化研究院 | 一种感官评价人员排序能力的评估方法和系统及装置 |
CN110780010A (zh) * | 2019-09-16 | 2020-02-11 | 陕西师范大学 | 一种针对食品风味品质评价信息检测方法及系统 |
CN110763806B (zh) * | 2019-10-25 | 2022-08-02 | 三只松鼠股份有限公司 | 一种用于评定鸭脖辣味等级的方法 |
CN111024905B (zh) * | 2019-12-11 | 2022-06-07 | 中国标准化研究院 | 用于三叉神经风味喜好度测试的系列参比样及其制备方法和测试方法 |
-
2020
- 2020-06-01 CN CN202010483812.1A patent/CN111579724B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111579724A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Williamson et al. | Comparing the Maslach burnout inventory to other well-being instruments in emergency medicine residents | |
Trakman et al. | Developing and validating a nutrition knowledge questionnaire: key methods and considerations | |
Gaspar et al. | Protective effect of physical activity on dissatisfaction with body image in children–A cross-sectional study | |
Wetzel et al. | Multidimensional modeling of traits and response styles | |
Kubina et al. | A critical review of line graphs in behavior analytic journals | |
Suga et al. | Factors that drive dentists towards or away from dental caries preventive measures: systematic review and metasummary | |
Hunt et al. | What can be learned from adolescent time diary research | |
Tavakol et al. | Using the Many-Facet Rasch Model to analyse and evaluate the quality of objective structured clinical examination: a non-experimental cross-sectional design | |
Thomas et al. | Utility of the pharmacy college admission test (PCAT): implications for admissions committees | |
CN111579724B (zh) | 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用 | |
McLESTER et al. | An investigation of the differences between perceived vs. measured body composition, social physique anxiety, and overall appearance satisfaction among college students | |
Alasmari | The effect of screen size on students’ cognitive load in mobile learning | |
Montshiwa et al. | Assessment of the reliability and validity of student-lecturer evaluation questionnaire: A case of North West University | |
Hartingsveldt et al. | Development of the writing readiness inventory tool in context (WRITIC) | |
Pommerich et al. | Issues in conducting linkages between distinct tests | |
Terry et al. | Development of a test to assess the attitudes of older adults toward physical activity and exercise | |
Popović et al. | Assessment of the quality of life, health, and social wellness in upper elementary school students: cross-cultural and gender specificity | |
Aniulis et al. | The real ideal: misestimation of body mass index | |
Grama | The student adaptation to college questionnaire (SACQ) for use with Romanian students | |
Derndorfer et al. | 10 Multidimensional scaling (MDS) | |
Diehl et al. | First evaluation of the Behavioral Addiction Indoor Tanning Screener (BAITS) in a nationwide representative sample | |
Charles et al. | Student-based brand equity in the business schools sector: An exploratory study | |
Adelia et al. | Innovation Orientation, Self-Motivation, and Marketing Communication: Their Role in Supporting the Marketing Performance of Women Entrepreneurs in Micro, Small, and Medium Enterprises | |
Farlian et al. | The Method User Experience Questionnaire Analysis of Identitas Kependudukan Digital Application | |
Cho | How Cultural Competency of Community Health Care Providers Reflects Multicultural Education: A Case Study on Nursing Majors. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |