[发明专利]食物口感和风味的主观评价与光谱数据建模方法及系统

说明书

技术领域

本发明涉及模式识别与光谱分析领域，具体涉及食物口感和风味的主观评价及光谱数据建模方法及系统。

背景技术

口感和风味是人类对食物的一种高级体验。口感是指食物在人们口腔内，由触觉和咀嚼而产生的直接感受，是独立于味觉之外的另一种体验。而风味是人们品尝食物的味觉和嗅觉感受。对于食物的主观评价，需要将口感和风味联合在一起建立评价体系。以往由于食物口感和风味的主观评价与客观数据没有建立关联，对于食物的感受依赖描述性语言，尚无可量化的主观评价指标。

发明内容

本发明要解决的技术问题是：为了解决食物口感和风味的主观评价缺乏可量化的主观评价问题，本发明利用光谱数据的分子特征信息，提出了食物口感和风味的主观评价及光谱数据建模方法及系统。

本发明解决其技术问题所采用的技术方案是：一种食物口感和风味的主观评价及光谱数据建模方法，包括以下步骤：

获取某种食物的光谱数据D_i，获取主观评价参评人信息，建立对应食物口感和风味的主观评价标签；

大量采集不同食物的光谱数据D_i和主观评价参评人信息，并建立对应食物口感和风味的主观评价标签，进行机器学习算法建模，在已知食物光谱数据和主观评价参评人信息的情况下，预测主观评价标签结果。

所述光谱数据D_i，为每组食物的红外光谱反射率导数数据，其中i＝1,2，…，n，为采样点个数；使用余弦距离表示光谱数据向量之间的差异，将异常数据剔除；导数计算使用直接差分方法，利用光谱数据逐点相减得到：

其中，r是每组食物的红外光谱原始反射率，i＝1,2，…，n，为采样点个数，λ是采样时的光谱波长，Δλ是波长采样的最小间隔。

所述主观评价参评人信息按照信息量转化为数值：

性别X_a：男，女，数值为1,2，默认值0；

年龄X_b：按照填写的数值，1,2……，不设上限，默认值0；

籍贯X_c：中国共有34个省，数值为1,2,…34，后续如果新增其他国家省份，依次顺延，默认值为0；

民族X_d：中国共有56个民族，数值为1,2,…56，后续如果新增其他民族，依次顺延，默认值为0。

所述对应食物口感和风味的主观评价标签，包括，食物口感的两个基本方面——冷热程度和软硬程度，以及食物风味的两类信息——味觉和嗅觉。

将对食物口感的主观评价由描述性语言转化为可量化的指标，按照食物口感的两个方面，食物冷热程度和软硬程度，进行指标分解，由参评人分别进行评分：

食物冷热程度α，5分制，从低到高对应为冰、凉、温、热、烫五个区域；

食物软硬程度β，10分制，从低到高对应为稀、稠、软、糯、嫩、滑、弹牙、酥、脆、硬十个区域；

建立食物口感分类标签Y_I＝(α,β)，一一对应冷热和软硬程度各区域；

将对食物风味的主观评价由描述性语言转化为可量化的指标，按照食物风味的两类信息，对食物的味觉和嗅觉，进行指标分解，由参评人分别进行评分：

对食物的味觉δ，进行酸、甜、苦、辣、咸5项打分，每项5分制，共计25种情况；

对食物的嗅觉ε，10分制，从低到高对应为臭、无味、香十个等级情况；

建立食物风味分类标签Y_II＝(δ,ε)，一一对应味觉和嗅觉各种情况。

所述机器学习算法建模，对于每种食物口感和风味的主观评价标签Y＝(Y_I,Y_II)＝(α,β,δ,ε)，对应参评人信息和光谱数据X＝(X_a，X_b，X_c，X_d，D₁，D₂，…，D_n)，样本集T＝(x₁，y₁)，(x₂，y₂)，…，(x_m，y_m)，其中，x_m代表第m个样本，y_m表示第m个样本的类别，m是样本个数；建立不同主观评价标签和输入数据之间的分类准则，算法选用近邻法或SVM(支持向量机)；