啤酒作为一类在世界范围内畅销的酒精饮料,品类繁多,可于诸多社交场合见到它们的身影。啤酒根据GB/T 17204—2021《饮料酒术语和分类》可依据浊度、杀菌工艺、酵母类型、色度、产品特性进行归类。其中,按杀菌工艺分,可将啤酒分为生啤酒和熟啤酒,对于生啤酒,GB/T 4927—2008《啤酒》中,将其定义为不经巴氏灭菌或瞬时高温灭菌,而采用其他物理方法除菌,达到一定生物稳定性的啤酒。在此基础上,T/CBJ 3101—2018《纯生啤酒》中,将纯生啤酒定义为不经巴氏杀菌或瞬时高温灭菌,生物稳定性达到6个月及以上并符合特征性要求的生啤酒。
最初对于啤酒的感官品鉴,主要集中于感官评价准备、评价员要求、品评用语等,随着研究的深入,评价员也从最初的工厂选拔,到有组织、有计划的评价员培训,对评价过程也进行了规范,针对不同评价目的有不同的评价程序[1-2]。近年来,越来越多的感官评价方法被用于食品类的学术感官试验[3-5],如已被学术验证能够有效替代描述分析(descriptive analysis,DA)的逐项适用评分法(rate-all-that-apply,RATA)和选择所有适合项法(check-all-that-apply,CATA)[6],此2种方法属于直接(显式)法[7],采用问卷形式,消费者只需在问卷上勾选合适的强度或所有适合选项即可,不仅节省描述性分析小组的训练时间、提高品鉴效率,还能节约物力成本。间接(隐式)研究方法指应用脑电分析、面部表情分析、眼动追踪等多种测量指标而进行的感官生理学研究方法[7],且在以往的研究中,相关的间接研究方法已被证实能够很好地对目标数据进行有效测试与分析[7-9]。
对于酒类的感官品鉴,冯婧等[7]将直接与间接方法相结合成功应用于露酒的感官品鉴,发现露酒的含糖量与露酒样品的色泽、药香及感官评价结果上存在显著差异,其也与消费者喜好度有关;面部表情分析技术与感官测评结合的方法,更够更加有效、全面地区分不同评价阶段及区分不同的产品特点。
如今,已有很多针对露酒、白酒、葡萄酒等的感官评价研究[7-11],却鲜有针对纯生啤酒的感官评价研究[12]。本研究将感官分析阶段分为饮中、饮后两个阶段,利用直接方法与间接方法相结合的评价方式,旨在探索消费者在饮中阶段对于纯生啤酒的喜好度及在饮后阶段对于啤酒的舒适度,从而评价饮中与饮后阶段、直接与间接方法相结合的感官评价方式对于纯生啤酒的适用性与可行性。
1 材料与方法
1.1 样品材料
在本实验中,选取不同生产厂家的纯生啤酒样品进行研究,并对不同的产品进行编号,如表1所示。
表1 酒样详单
Table 1 Draft beer sample list
样品编号样品名称规格/(mL/瓶)数量/瓶1品牌A500242品牌B500243品牌C428244品牌D330485品牌E50024
1.2 评价人员
根据以往对于啤酒感官分析的研究,参与感官评价的消费者样本容量为12～161人[13],有的研究选择样本量较少的10人[7,14]。本研究所有参与实验的被试者为国家酒类品质与安全国际联合研究中心内部招募,共招募20人,年龄在21～40岁,为在北京工作/上学的啤酒爱好者、普通消费者,无基础性疾病,无酒精过敏史,消费者测试时的身体状态良好。参与被试均签署知情同意书,所有实验标准流程经北京大学心理学系伦理与人体保护委员会审核通过。
1.3 试验方法
1.3.1 饮中消费者智能感官喜好度测试
饮中消费者智能感官喜好度测试采用面部微表情信号采集方式,消费者在啤酒品鉴过程中,全程坐在智能感官实验室内专业感官品评桌前,面对桌面高清摄像头,根据后台语音提示语进行计时的啤酒品鉴,分为3个过程,分别是观色10 s,闻香20 s,品尝30 s。品鉴全过程面部信息采集与冯婧等[7]使用的方法相同。在本研究中,面部表情数据能够被划分成7种基本表情:主要包含消费者品酒过程“闻香”和“品尝”时面部微表情的“中性值”“愉快值”“悲伤值”“愤怒值”“惊奇值”“惧怕值”“厌恶值”等7个基础表情维度,以及“正负情绪效价”和“唤醒度”,共计9个数据维度。中性、愉快、惊奇为正向情绪。悲伤、愤怒、惧怕、厌恶为负向情绪。“情绪效价”分为正性的和负性的情绪,用以衡量一个人对于一件事物的吸引或排斥的程度,在本研究中用以量化样品对于品鉴员对吸引程度。“唤醒度”用以量化情绪在多大程度上被激活的指标。
1.3.2 饮后消费者智能感官舒适度测试
每天进行1轮样品测试,每个样品每天测试4位消费者,经过1个月时间,保证所有单个类型酒样都有20名消费者参与测试,每位消费者均参与过所有5款酒样测试,大概为30 g(酒精摄入量)/(kg BW·d),酒精度3～4%vol的啤酒大约为1 000 mL。
认知行为与脑电数据采集分为3个阶段:实验前准备阶段(T0)完成脑电设备佩戴与调试;未饮酒阶段(T1)进行网络测试分析(attention network test,ANT)任务基线测试,同步采集脑电基线数据及体温、心率指标;适量饮酒阶段(T2),被试者在规定环境下饮用1 000 mL待测酒类(辅以固定配餐且每次辅菜数量和种类相同),依次于饮后5～10 min测定生理指标并完成舒适度量表访谈、0.5 h完成ANT任务并采集脑电数据、1 h复测生理指标。ANT测试基于神经感知学实验设计,通过记录不同条件下的反应时,量化酒精对注意网络(警觉、定向、执行功能)的影响范围,进而关联分析饮后舒适度。
脑电情绪感知测试的实验环境选择安静的室内环境进行脑电信号采集,实验室内采光舒适,没有采集设备以外的电器运行,在专业的隔音静电屏蔽室内进行。被试坐姿舒适,尽量减少实验过程中被试的不适。脑电采集系统的核心设备是脑电仪(Emotive 16,EPOC),所有脑电测试依照每位被试在未饮酒空白阶段,适量饮酒阶段进行。
饮后脑电节律波提取需要提取其特征频段分开分析,快速傅里叶变换和小波包变换是2种最常用的提取脑电信号特征波段的方法。本研究参考方得胜[15]在对脑电节律特征的计算方式,先选择对特征波段的能量这一特值进行分析,然后分别计算不同特征频段的能量值,包括α、β和θ波段,得到Eα、Eβ、Eθ。
JAP等[16]在研究驾驶疲劳时提出疲劳因子R值,它是评估饮酒后大脑疲劳度等级变化的重要指标,并指出疲劳因子R值越大,大脑的疲劳度等级越高,计算如公式(1)所示:
(1)
式中:Pα、Pβ、Pθ,分别为3个波段的相对功率。
7个维度的描述词汇分别对应品评员在饮后对于啤酒样品的感知分析。其中,“投入”和“关注”用于反映品评员进行脑电情绪感知时的专注程度;“高兴”“压力”“放松”“兴趣”用于反映品评员的情绪;“疲劳值”用于反映品评员在进行测试时的疲劳水平。
1.4 数据处理
1.4.1 饮中消费者智能感官喜好度测试(面部表情分析)
消费者品酒过程面部表情数据进行汇总分析,该分析采用高清摄像头,采集品评员在品评过程中的面部表情信息面部表情,并通过FaceReader 8.1软件分析。通过该软件以Viola-Jones算法为基础,以5 Hz的频次捕捉面部信息。在识别到面部信息以后,依据主动外观模型(active appearance method,AAM)算法来构建3D面部模型,标记面部多达500个以上的肌肉关键点,其分类是基于超过10 000个个体分类的表情图像数据库来开展的,并根据训练人工神经网络对面部表情进行分类。其中,每一种情绪的强度变化范围是从0(缺失)至1(完全体现),情绪效价从-1(负向情绪)到1(正向情绪),表情的唤醒度从0(不活跃)到1(完全活跃),用于本次实验结果的分析。
1.4.2 饮中消费者智能感官喜好度测试
饮后舒适度由自定义算法对前述数据综合分析建模后得到。饮后舒适度的智能感知综合表达标识由消费者在适量饮用一定量啤酒(1 000 mL)大概2 h后的认知情绪感受识别(注意认知网络ANT、脑电情绪感知)结果构成。ANT任务行为数据、访谈量表数据通过统计软件提取和批处理,对数据进行单因素方差分析,P<0.05具有显著性差异,有统计学意义。
2 结果与分析
2.1 饮中消费者智能感官喜好度(面部表情分析)
如图1所示,中性情绪维度各样品得分平均值在0.34～0.46,愉快情绪维度在0.02～0.1;悲伤情绪维度在0.30～0.48;惊奇情绪维度在0.011～0.039;厌恶情绪维度得分在0.023～0.046。且各样品的香气愉快值在闻香阶段均高于品尝阶段,说明啤酒中含有使人闻香产生愉快舒适感的物质。
a-“中性”;b-“愉快”;c-“悲伤”;d-“愤怒”;e-“惊奇”;f-“惧怕”;g-“厌恶”
图1 情绪维度柱状图
Fig.1 Emotional latitude bar chart
如图2所示,将5个样品所有品评过程中的正向情绪与负向情绪进行比较,取闻香、品尝两阶段的综合平均值。综合来看,1号啤酒正向情绪相对较高,饮中舒适度较高;4号啤酒情绪唤醒度较低。
图2 正负向情绪得分直方图
Fig.2 Positive and negative emotion score histogram
如表2所示,以样品、品评阶段以及样品和品评阶段为自变量,以面部表情情绪为因变量,建立方差模型;分析啤酒不同样品及在品评阶段的差异性。9个数据方差分析结果表明,悲伤情绪在不同样品之间存在差异(P<0.05);在不同品评阶段中,惊奇表情和唤醒存在显著差异(P<0.05),愉快、恐惧表情和效价存在极显著差异(P<0.01);样品和品评阶段间相互影响无显著差异性(P>0.05)。
表2 面部表情方差分析
Table 2 Analysis of variance of facial expression
情绪维度F值-样品F值-品评阶段F值-样品和品评阶段中性0.8731.5950.633愉快1.11812.739**0.312悲伤2.833*4.1251.317愤怒2.1171.4400.888惊奇1.3475.515*2.036恐惧0.41112.273**0.373厌恶1.2480.0441.273效价2.3059.707**1.368唤醒1.9448.137*0.345
注:*代表P<0.05的显著性水平,**代表P<0.01的显著性水平。
因此针对可以显著区分酒样及不同品评阶段的六类情绪进行具体分析。如图3所示,闻香阶段比品尝阶段有更多的愉快情绪与惧怕情绪,更少的惊奇情绪;3号样品的悲伤情绪比1、5更多。对比消费者面部表情效价、唤醒情绪可以看出,闻香比品尝阶段的效价和唤醒值更高。
a-“愉快”;b-“悲伤”;c-“惊奇”;d-“惧怕”;e-“效价”;f-“唤醒”
图3 方差分析图
Fig.3 ANOVA chart
2.2 饮后消费者智能感官舒适度
2.2.1 ANT分析
如表3和图4所示,样品3消费者饮后警觉网络效应受损最严重,样品3和样品5消费者饮后定向网络受损最严重,执行网络效应样品1和样品2受损严重。注意认知综合效应结果表明,样品4和样品1消费者饮后注意认知行为恢复较快,样品2消费者饮后注意认知行为恢复较慢,总体注意认知情况恢复情况(综合效应)4>1>3=5>2。
图4 啤酒饮后品质(舒适度)消费者智能感知分析结果
Fig.4 Beer quality (comfort) analysis results of consumer intelligence perception
表3 啤酒饮后品质(舒适度)消费者智能感知分析结果
Table 3 Beer quality (comfort) analysis results of consumer intelligence perception
酒样信息样品编号ANT警觉/ms定向/ms执行控制/ms正确率/%综合效应155.0637.4552.0198.242.52258.7024.0451.7996.662.22349.9721.1232.6097.022.37461.8925.7336.3598.832.58557.1419.8535.7098.332.37
2.2.2 脑电情绪感知测试分析
如表4、图5所示,啤酒样品2号和5号消费者综合情绪感知水平较低且疲劳值相对较大,样品1号消费者综合情绪感知水平较高且疲劳较小。情绪感知综合排序为1>4>3>5>2。
图5 啤酒饮后品质(舒适度)消费者情绪维度分析结果
Fig.5 Analysis results of consumer sentiment dimension of beer quality (comfort) after drinking
表4 啤酒饮后品质(舒适度)消费者智能感知分析结果
Table 4 Quality after drinking beer (comfort) consumer intelligence perception analysis results
酒样信息样品编号脑电情绪投入高兴压力放松兴趣关注疲劳值13.253.446.886.697.436.772.2223.687.647.136.466.215.662.5335.183.917.487.485.686.142.2845.442.773.893.895.673.932.2353.483.654.164.033.693.912.33
2.2.3 啤酒饮用品质(饮后感受:舒适度)消费者表达标识构建
综合消费者对于各个啤酒样品饮后感受舒适度的智能感官测量数据(表5和表6),构建啤酒饮用品质消费者表达标识。通过ANT与情绪感知综合计算Y=β0+β1×正性情绪+β2×警觉+β3×定向-β4×执行控制-β5×负性情绪-β6×疲劳值。
表5 脑电智能感官参数
Table 5 Intelligence perception sensory parameters
参数变量值β0Intercept8.07β1Low Alpha1.899β2High Alpha-2.85β3Low Beta-0.183β4High Beta2.538β5Low Gama-4.13β6Middle Gama1.64
表6 啤酒饮后品质(舒适度)消费者智能感知分析结果
Table 6 Analysis results of consumer intelligence perception on quality (comfort) after drinking beer
酒样综合舒适度指数(Y)191.48282.65385.49492.41583.76
本研究将脑电分析与ANT行为认知相结合,研究消费者对啤酒样品的感官及饮后舒适度评价,对实验数据进行分析。同时综合多种测试手段,得到所有样品的综合舒适度排序为4>1>3>5>2。
从分析结果来看,4号舒适度最好但和1号差异性不大,5号和2号相对较差。
3 结论
本研究利用智能感官设备,将饮前与饮后的饮用状态相连接,建立了饮中喜好度与饮后舒适度的智能感官评价办法,探究出饮中面部表情与饮后舒适度的相关性。研究显示,饮中的正向情绪与饮后舒适度排序有关,饮后舒适度的3种测试结果显示出了较高的一致性,4号样品与1号样品相较其他样品更受消费者喜爱。饮中与饮后的阶段性感官评价方式可作为一种分析消费者感官喜好度与舒适度的有效方法,用科学手段区分消费者对同一品类的食品的细微感官评价差异。
[1] 张君海. 啤酒的感官评价[J].食品与发酵工业, 1990(2):84-88;9.ZHANG H J.The sensory evaluation of beers[J].Food and Fermentation Industries, 1990(2):84-88;9.
[2] 杨占福, 王昊军.啤酒的感官评价[J].啤酒科技, 2005(11):66-67.YANG Z F, WANG H J.Sensory evaluation of beer[J].Beer Science and Technology, 2005(11):66-67.
[3] PINEAU N, GIRARDI A, LACOSTE GREGORUTTI C, et al.Comparison of RATA, CATA, sorting and Napping® as rapid alternatives to sensory profiling in a food industry environment[J].Food Research International, 2022, 158:111467.
[4] OPPERMANN A K L, DE GRAAF C, SCHOLTEN E, et al.Comparison of Rate-All-That-Apply (RATA) and Descriptive sensory Analysis (DA) of model double emulsions with subtle perceptual differences[J].Food Quality and Preference, 2017, 56:55-68.
[5] LELI
VRE M, CHOLLET S, ABDI H, et al.What is the validity of the sorting task for describing beers? A study using trained and untrained assessors[J].Food Quality and Preference, 2008, 19(8):697-703.
[6] NISHIDA M, LESTRINGANT P, CANTU A, et al.Comparing classical descriptive analysis with modified descriptive analysis, modified rate-all-that-apply, and modified check-all-that-apply[J].Journal of Sensory Studies, 2021, 36(5):12684.
[7] 冯婧, 皇甫洁, 董建辉, 等.面部表情分析技术在露酒感官及消费者接受度评价的初步研究[J].食品与发酵工业, 2022, 48(6):257-262.FENG J, HUANGFU J, DONG J H, et al.Sensory evaluation and consumer acceptance of Chinese Lujiu using facial expression analysis[J].Food and Fermentation Industries, 2022, 48(6):257-262.
[8] JAP B T, LAL S, FISCHER P, et al.Using EEG spectral components to assess algorithms for detecting fatigue[J].Expert Systems with Applications, 2009, 36(2):2352-2359.
[9] 王成, 陈爽, 吕高冲,等.基于脑电波分析的消费者啤酒饮用喜好度研究[J].食品与发酵工业, 2023, 49(11):125-130.WANG C, CHEN S, LYU G C, et al.The research of sensory evaluation and consumer preference of beer using electroencephalogram method[J].Food and Fermentation Industries, 2023, 49(11):125-130.
[10] 邓少平. 中国白酒评酒方法的科学化问题[J].酿酒, 1997(2):3-6.DENG S P.The scientific problem of the Chinese liquor evaluation method[J].Liquor Making, 1997(2):3-6.
[11] MEZEI L V, JOHNSON T E, GOODMAN S, et al.Meeting the demands of climate change:Australian consumer acceptance and sensory profiling of red wines produced from non-traditional red grape varieties[J].OENO One, 2021, 55(2):29-46.
[12] PIERSON B J.Comparison of the flavour of keg and draught beers using sensory evaluation techniques[J].Journal of the Science of Food and Agriculture, 1976, 27(8):785-786.
[13] LAGAST S, GELLYNCK X, SCHOUTETEN J J, et al.Consumers’ emotions elicited by food:A systematic review of explicit and implicit methods[J].Trends in Food Science &Technology, 2017, 69:172-189.
[14] 陈硕. 绿茶精酿啤酒的营养风味物质研究及酵母泥利用[D].济南:齐鲁工业大学, 2023.CHEN S.Study on nutritional flavor substances of green tea craft beer and utilization of yeast mud[D].Jinan:Qilu University of Technology, 2023.
[15] 方得胜. 基于EEG和ERP特征信息的饮酒健康评估研究[D]. 南京:南京航空航天大学,2016.FANG D S. Research on alcohol consumption health evaluation based on EEG and ERP feature information[D]. Nanjing: Nanjing University of Aeronautics, 2016.
[16] JAP B T, LAL S, FISCHER P.Comparing combinations of EEG activity in train drivers during monotonous driving[J].Expert Systems with Applications, 2011, 38(1):996-1003.