评估Zanthoxylum armatum DC.的尖感知. 通过面部识别技术和机器学习来识别油
Shijun Zheng1, Qixin Kan1, Guo Liu1,2
1Guangdong Provincial Key Laboratory of Nutraceuticals and Functional Foods, College of Food Science, South China Agricultural University, Guangzhou, 510642, China.
NPJ science of food
|November 1, 2025
概括
面部表情分析客观地评估了Zanthoxylum armatum DC. (ZAD) 油敏度,将面部动作单元与感官感知相关联. 这种方法准确地分类了度水平,为消费者对辛味道的偏好提供了洞察力.
科学领域:
- 食品科学与技术 食品科学与技术
- 感官科学 感官科学
- 计算智能是一种计算智能.
背景情况:
- 桑托克西亚马图姆 DC. (ZAD) 油因其独特的风味和麻木感受而受到重视.
- 对ZAD油的客观评估对于质量控制和消费者理解至关重要.
- 扎德油的尖性归因于特定的基-α-sanshool化合物.
研究的目的:
- 通过将感官数据与面部表情分析相结合,客观地评估ZAD油性.
- 识别与尖感相关的关键面部动作单元 (AU).
- 开发一种使用机器学习进行尖性分类的预测模型.
主要方法:
- 量化四种主要的尖化合物,包括基-α-sanshool.
- 感官评估与52名参与者的面部表情识别技术 (20AU) 结合.
- 相关性分析和机器学习模型 (额外树木,夏普利添加式扩展) 用于尖性分类.
主要成果:
- 确定氧-α-sanshool的含量为242.741±18.293 mg/mL. 这一含量为242.741±18.293 mg/mL.
- 刺痛强度与斯科维尔刺痛单位 (SPU) 有积极的相关性,观察到的偏好转移约为11,200 SPU.
- 面部动作单位AU4,AU6,AU7,AU10,AU23,AU25和AU26与尖性有显著的相关性.
- 额外树木模型实现了75.5% (二进制) 和90.4% (二进制) 的尖性分类准确度.
结论:
- 面部表情识别为评估ZAD油性提供了一种可行的客观方法.
- 了解味化合物,感官感知和面部表情之间的关系可以提高味道评估.
- 机器学习模型显示了准确和透明的尖度分类的潜力.
