Methodenartikel

Protocol voor gegevensverzameling en analyse Toegepast op Automated Gezichtsuitdrukking Analysis Technology and Temporal Analysis voor de sensorische evaluatie

DOI:

10.3791/54046

26 augustus 2016

In dit artikel

Samenvatting

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Een protocol voor het verzamelen en statistisch analyseren emotionele reactie van een populatie aan dranken en vloeibare voedingsmiddelen in een sensorische evaluatie laboratorium met geautomatiseerde gezichtsuitdrukking analysesoftware wordt beschreven.

Samenvatting

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We demonstreren een methode voor het vastleggen van emotionele reacties op dranken en vloeibare voedingsmiddelen in een sensorisch evaluatielaboratorium met behulp van geautomatiseerde software voor gezichtsuitdrukkingsanalyse (AFEA). Bovendien demonstreren we een methode voor het extraheren van relevante emotionele gegevens en het plotten van de emotionele reactie van een populatie over een bepaalde tijdsperiode. Door het tijdsgebonden koppelen van de behandelingsreactie van elke deelnemer aan een controlestimulus (basislijn), kan de algehele emotionele reactie in de loop van de tijd en over meerdere deelnemers worden gekwantificeerd. AFEA is een prospectief analytisch hulpmiddel voor het beoordelen van onbevooroordeelde reacties op voedsel en dranken. Momenteel heeft de meeste onderzoek zich vooral gericht op dranken. Methodologieën en analyses zijn nog niet gestandaardiseerd voor de toepassing van AFEA op dranken en voedingsmiddelen; er is echter een consistente standaardmethodologie nodig. Het optimaliseren van video-opnameprocedures en de resulterende videokwaliteit helpt bij het succesvol verzamelen van emotionele reacties op voedsel. Bovendien is de methodologie van gegevensanalyse nieuw voor het extraheren van de relevante gegevens die van belang zijn voor de emotionele reactie. De combinatie van video-opnameoptimalisatie en gegevensanalyse zal helpen bij het standaardiseren van het protocol voor geautomatiseerde gezichtsuitdrukkingsanalyse en interpretatie van emotionele reactiegegevens.

Inleiding

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Geautomatiseerde gezichtsuitdrukking analyse (Afea) is een prospectieve analyse-instrument voor het karakteriseren van emotionele reacties op dranken en voedingsmiddelen. Emotionele analyse kan een extra dimensie toe te voegen aan bestaande zintuiglijke wetenschap methodologieën, evaluatie voedsel praktijken en hedonistische schaal ratings meestal gebruikt zowel in onderzoek en industrie instellingen. Emotionele analyse zou een extra gegeven dat een nauwkeuriger reactie op voedingsmiddelen en dranken openbaart verlenen. Hedonistische scoren kan deelnemer vertekening onder meer te wijten aan gebrek aan reacties 1 op te nemen.

Afea onderzoek is gebruikt in veel onderzoek toepassingen, zoals computer games, het gedrag van gebruikers, onderwijs / pedagogie, psychologie en studies op empathie en bedrog. De meeste voedsel geassocieerd onderzoek heeft zich gericht op het karakteriseren van emotionele reactie op de kwaliteit van levensmiddelen en menselijk gedrag met voedsel. Met de recente trend in het verkrijgen van inzicht in voedsel gedrag, een groeiende hoeveelheid literatuur rapporten gebruiken van Afeavoor het karakteriseren van de menselijke emotionele respons in verband met voedingsmiddelen, dranken, en geurstoffen 1-12.

Afea is afgeleid van het Facial Action Coding System (FACS). De facial actie coderingssysteem (FACS) discrimineert gezicht bewegingen gekenmerkt door actie eenheden (AUS) op een 5-punts intensiteit schaal 13. De FACS aanpak vereist getrainde beoordeling experts, handmatige codering, aanzienlijke evaluatie tijd, en biedt beperkte data-analyse opties. Afea werd ontwikkeld als een snelle evaluatie methode om emoties te bepalen. Afea software is gebaseerd op het gezicht spierbewegingen, gezichts databases en algoritmen om de emotionele reactie 14-18 karakteriseren. De Afea software die wordt gebruikt in deze studie bereikte een "FACS index van overeenstemming van 0,67 gemiddeld op zowel de Warsaw Set van emotionele gelaatsuitdrukkingen Pictures (WSEFEP) en Amsterdam Dynamic Gezichtsuitdrukking Set (ADFES), dat dicht bij een modelovereenkomst van 0,70 voor handmatige codering "19 . Universele emoties opgenomen in de analyse zijn blij (positief), verdrietig (negatief), walgen (negatief), verrast (positief of negatief), boos (negatief), bang (negatief) en neutrale elk op een aparte schaal van 0 tot 1 ( 0 = niet uitgedrukt; 1 = volledig uitgedrukt) 20. Bovendien, psychologie literatuur omvat blij, verrast en boos als "aanpak" emoties (in de richting van stimuli) en verdrietig, bang, en verontwaardigd als "terugtrekking" emoties (weg van aversieve stimuli) 21.

Een beperking van de huidige Afea software voor het karakteriseren emotionele verwerking voedingsmiddelen interferentie van gezicht bewegingen geassocieerd met kauwen en slikken en andere grove motorische bewegingen, zoals extreme hoofdbewegingen. De software richt zich op kleinere gezicht gespierde bewegingen, met betrekking positie en de mate van beweging, gebaseerd op meer dan 500 spieren punten op het gezicht 16,17. Kauwen bewegingen interfereren met de indeling van uitdrukkingen. deze limietatie kunnen worden aangepakt met behulp van vloeibaar voedsel. Maar ook andere methodologie uitdagingen ook video-gevoeligheid en Afea analyse met inbegrip van het verzamelen van gegevens milieu, technologie, onderzoeker instructies, deelnemer gedrag en deelnemer attributen afnemen.

Een standaard methode is niet ontwikkeld en gecontroleerd voor een optimale video-opname en data-analyse met behulp van Afea voor emotionele reactie op voedingsmiddelen en dranken in een sensorische evaluatie laboratorium setting. Veel aspecten kunnen hebben voor de video-opname-omgeving, waaronder verlichting, shadowing gevolg van verlichting, deelnemer richtingen, deelnemer gedrag, deelnemer hoogte, evenals, camera hoogte, camera vissen, en apparatuur instellingen. Bovendien, data-analyse methoden zijn inconsistent en missen een standaardmethode voor het beoordelen van emotionele reactie. Hier zullen wij onze standaard procedure aan te tonen voor het vastleggen van emotionele data en verwerken van gegevens in zinvolle resultaten met behulp van dranken (gearomatiseerde melk, unflavored melk en unflavored water) voor evaluatie. Voor zover wij weten slechts een peer-reviewed publicatie van ons lab groep heeft gebruikt tijdreeksen voor interpretatie van gegevens voor emoties analyse 8; Echter, de werkwijze bijgewerkt voor onze onderhavige methode. Ons doel is om een ​​verbeterde en consistente methode om met een reproduceerbaarheid in sensorische evaluatie laboratoriumomgeving ontwikkelen. Voor demonstratie, het doel van de studie model is om te evalueren of Afea kon aanvullen traditionele hedonistische aanvaardbaarheid beoordeling van gearomatiseerde melk, unflavored melk en unflavored water. De bedoeling van deze video protocol is om te helpen bij het vaststellen Afea methodologie, de standaardisering van video capture criteria in een sensorische evaluatie laboratorium (zintuiglijke stand instelling), en illustreren een methode voor het tijdelijke emotionele data-analyse van een populatie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ethiek Verklaring: Deze studie werd vooraf goedgekeurd door Virginia Tech Institutional Review Board (IRB) (IRB 14-229) voorafgaand aan het starten van het project.

Let op: Human onderwerp onderzoek vereist geïnformeerde toestemming voorafgaand aan deelname. In aanvulling op IRB goedkeuring, toestemming voor het gebruik van stilstaande of videobeelden is ook nodig voorafgaand aan de beelden vrijgeven voor print, video of grafische beeldvorming. Bovendien worden voedselallergenen beschreven voor de test. Deelnemers worden voorafgaand aan de start panel gevraagd of ze hebben geen intolerantie, allergie of andere zorgen.

Opmerking: Uitsluiting Criteria: Geautomatiseerde gezichtsuitdrukking analyse is gevoelig voor dik montuur, zwaar bebaarde gezichten en huidskleur. Deelnemers die deze criteria onverenigbaar zijn met softwareanalyse gevolg van een verhoogd risico van mislukte video. Dit wordt toegeschreven aan het onvermogen van de software om het gezicht te vinden.

1. Monstervoorbereiding en Deelnemer Recruitment

  1. Bereid drank of zachtvoedsel monsters.
    1. Bereid geïntensiveerd zuivel oplossingen met 2% melk en suggereerde smaken uit Costello en Clark (2009) 22 en andere smaken. Bereid de volgende oplossingen: (1) unflavored melk (2% verlaagd vetgehalte melk); (2) unflavored water (drinkwater); (3) vanille aroma in melk (0,02 g / ml) (imitatie duidelijke vanillesmaak); en (4) zoute smaak in melk (0,004 g / ml gejodeerd zout).
      Let op: Deze oplossingen worden gebruikt uitsluitend voor demonstratiedoeleinden.
    2. Pour half ounce monsters (~ 15 g) van elke oplossing in 2 oz. doorzichtige plastic monster bekers en cap met kleurcode deksels.
      Opmerking: Het wordt aanbevolen om transparante cups te gebruiken; echter het is aan het oordeel van de onderzoeker.
  2. Recruit deelnemers uit de campus of de plaatselijke gemeenschap om deel te nemen aan het onderzoek.
    Opmerking: deelnemer steekproefomvang nodig voor een studie naar het oordeel van de onderzoeker. Wij raden een bereik van 10 tot 50 deelnemers.
  3. Verkrijgen van menselijke patiënt toestemming voorafgaand aan deelname aan het onderzoek.

2. Voorbereiding van de Panel Room for Video Capture

Opmerking: Dit protocol is voor het vastleggen van gegevens in een sensorische evaluatie laboratorium. Dit protocol is om Afea data capture nuttig voor een zintuiglijke booth instelling te maken.

  1. Gebruik individuele cabines met een touchscreen monitor voor hen (face-niveau) om hun focus te voren te houden en om te voorkomen dat naar beneden te kijken.
  2. Gebruik in hoogte verstelbare stoelen met steun in de rug.
    Opmerking: Dit is van essentieel belang om deelnemers verticaal worden aangepast en in een geschikt bereik voor video-opname. Gebruik stationaire stoelen (geen rollende functie) met verstelbare rugleuning hoogte ondersteuning, zodat de bewegingen van de deelnemer worden gereduceerd.
  3. Stel overhead verlichting aan "100% daglicht" voor een optimale gezicht emotionele video-opname (Lamp 6504K; R = 206, G = 242, B = 255).
    Opmerking: Om intense shadowing voorkomen, diffuse frontale verlichting is ideal terwijl de lichtsterkte of kleur is niet zo relevant 20. Uiteindelijk is het aan het oordeel van de onderzoeker, individuele protocol / methodologie en omgeving om verlichting te regelen voor het vastleggen.
  4. Bevestig een verstelbare camera boven het touchscreen monitor voor opname.
    1. Gebruik een camera met een resolutie van ten minste 640 x 480 pixels (of hoger) 20. Bespreek de vereiste camera mogelijkheden met de software leverancier voor de aankoop en installatie van 20. Opmerking: De beeldverhouding is niet belangrijk 20.
    2. Zet de camera opnamesnelheid tot 30 frames per seconde (of andere standaardsnelheid) voor de consistentie.
    3. Verbinden en zorgen voor media-opname software is opgezet om de camera op te nemen en op te slaan deelnemer video's.

3. Deelnemer Aanpassingen en Verbal richtingen

  1. Hebben slechts één deelnemer tegelijk de monsters te evalueren in de zintuiglijke booth.
    Opmerking: Het testen van meer danéén deelnemer tegelijk kan interfereren met de testomgeving en verstoren de concentratie van de deelnemer of maak voorspanning.
  2. Bij aankomst, geven de deelnemers mondelinge instructies over het proces en standaard operationele procedures.
    1. Laat de deelnemers zitten recht omhoog en tegen de achterkant van de stoel.
    2. Verstellen stoel hoogte positie van de stoel (afstand van de camera) en camerahoek zodat het gezicht van de deelnemer wordt gevangen in het midden van de video-opname, zonder schaduwen op de kin of rond de ogen.
      Opmerking: In de zintuiglijke stand, de deelnemer het hoofd is ongeveer 20-24 inches weg van de camera en de monitor met het gezicht in het midden van de camera video feed.
    3. Instrueer deelnemers blijven zitten als gepositioneerd en gericht gericht naar de monitor. Bovendien, instrueren de deelnemers zich te onthouden van elke plotselinge bewegingen post-monster verbruik tijdens de 30 sec evaluatieperiode per monster.
    4. Instrueer de deelnemer om de hele drank of vloeibaar voedsel monster consumeren en slikken.
    5. Instrueer de deelnemer om snel het monster cup onder de kin op en neer naar de tafel onmiddellijk na de steekproef is in de mond. Dit is om gezicht occlusie elimineren. Herinner hen te blijven kijken naar de monitor.
      Opmerking: De monsterhouder aan het monster te leveren is aan het oordeel van de onderzoeker. Een stro of kopje kan worden gebruikt. Ongeacht, eerste gezicht occlusie onvermijdelijk omdat het gezicht wordt afgesloten of vervormd door de consumptie.
  3. Instrueer de deelnemer om de instructies te volgen zoals die op het touchscreen monitor verschijnen. Noot: Instructies worden automatisch sequentie zoals geprogrammeerd in de zintuiglijke geautomatiseerde software.

4. Individuele Deelnemer Proces voor het Video Capture

  1. Bevestig videocamera is optimaal vastleggen gezicht deelnemer, terwijl de deelnemer zitcomfortabel in de cabine (voor monster presentatie) door het bekijken van de computer monitor waarop de video-opname wordt weergegeven. Begin met opnemen door op de opnameknop op de computer monitor.
  2. Instrueer de deelnemers om water te nippen aan hun gehemelte te reinigen.
  3. Zorg voor behandelingen een voor een, te beginnen met een baseline of de controle behandeling (unflavored water). Identificeer elk monster door een unieke gekleurd fiche bovenop elk monster met betrekking tot het monster kleurcode monsterbehandeling identificatie binnen de video.
    Opmerking: Geprogrammeerde begeleiding op het touchscreen beeldscherm instrueert deelnemers. De instructies direct de deelnemer via een aantal gestandaardiseerde stappen voor elke behandeling monster.
  4. Via het touchscreen beeldscherm, richt de deelnemer:
    1. Hold-up de bijbehorende kleur index-kaart pre-verbruik voor het monster identificatie in de video.
      Opmerking: De kleur kaart is een manier kunnen onderzoekers behandelingen te identificeren in de video eennd markeren het juiste moment frame (tijd nul) voor het monster evaluatie.
    2. Na het houden van de kaart in het kort, plaatst u de kaart terug op de lade.
    3. Volledig verbruiken het monster en wacht ongeveer 30 seconden, afgedwongen via de geprogrammeerde begeleiding op de monitor, terwijl geconfronteerd met de richting van de camera.
      Opmerking: De 30 sec gecontroleerde sampling periode omvat een tijdsspanne toereikend voor de gehele steekproef evaluatieperiode (dat wil zeggen, met de index-kaart, het openen van een monster (het verwijderen van het deksel), het verbruik, en emotionele capture).
    4. Voer hun hedonistische aanvaardbaarheid score op het touchscreen monitor (1 = hekel extreem, 2 = een hekel heel veel, 3 = hekel matig, 4 = hekel aan iets, 5 = noch als noch afkeer, 6 = zoals licht, 7 = zoals matig, 8 = net als heel veel, 9 = zoals extreem).
    5. Mond spoelen met drinkwater voordat het volgende monster proces.

5. Evalueren Geautomatiseerde Gezichtsuitdrukking Analysis Options

Opmerking: Veel gezichtsuitdrukking analyse software programma's bestaan. Software-opdrachten en functies kunnen variëren. Het is belangrijk om de gebruiker richtlijnen van de fabrikant te volgen en vindplaats handleiding 20.

  1. Sla opnamen op een media-formaat en over te dragen aan de geautomatiseerde gezichtsuitdrukking analyse software.
  2. Analyseer deelnemer video's met behulp van geautomatiseerde gezicht analyse software.
    1. Dubbelklik op de software-pictogram op het bureaublad van de computer.
    2. Zodra het programma is geopend, klikt u op "File", selecteer "Nieuw ..." en selecteer "Project ..."
    3. In het pop-up venster, de naam van het project en sla het project.
    4. deelnemers toe te voegen aan het project door te klikken op het pictogram "deelnemers toevoegen" (Persoon met een (+) teken). Meer deelnemers kunnen worden toegevoegd door deze stap te herhalen.
    5. aan de respectieve deelnemer voor de analyse toe te voegen video-deelnemer.
      1. Aan de linkerkant van het scherm op het pictogram van de film reel with een plus (+) teken om toe te voegen een video te analyseren.
      2. Klik op de "vergrootglas" onder de deelnemers van belang om de video te bladeren toe te voegen.
  3. Analyseer video beeld-voor-beeld onder continue kalibratie-analyse instellingen in de software.
    1. Klik op het potlood om de instellingen aan te passen aan de onderkant van het venster, onder het tabblad "instellingen" voor elke deelnemer video.
      1. Stel "Gezicht model" aan generaal. Stel "Verzachten classificaties" Ja. Stel "Sample Rate" om elk frame.
      2. Stel "Beeldrotatie" Nee Set "Continuous calibration" Ja. Stel "Geselecteerde kalibratie" op Geen.
    2. Save project instellingen.
    3. Druk op het pictogram batch analyse (dezelfde rode en zwarte doel-achtige symbool) om het project video's te analyseren.
    4. Sla de resultaten na de analyse is voltooid.
      Let op: Er bestaan ​​andere video-instellingen in de software als researchaar voorkeur verdient een andere analysemethode.
    5. Overweeg videos mislukkingen als ernstige gezichtsuitdrukking afsluitingen of het onvermogen om het gezicht in kaart blijft tijdens de opgegeven na consumptie venster (Figuur 1). Bovendien, als het model niet gegevens "FIT_FAILED" of "FIND_FAILED" in de geëxporteerde output bestanden (figuur 2) zegt. Dit komt neer op verloren gegevens, omdat de software niet kan classificeren en analyseren van de emoties van de deelnemer.
      Opmerking: Afea vertaalt gezichtsspieren beweging naar neutraal, gelukkig, weerzinwekkend, verdrietig, boos, verbaasd en bang, op een schaal van 0 (niet uitgedrukt) tot 1 (volledig uitgedrukt) voor elke emotie.
  4. Exporteer de Afea data output als log-bestanden (.txt) voor verdere analyse.
    1. Zodra analyses zijn voltooid, exporteert het hele project.
      1. Klik op "File", "Exporteren", "Export Project Results".
      2. Wanneer een venster, kies de locatie waar de export Should worden opgeslagen en sla de log-bestanden (.txt) naar een map.
      3. Omzetten elke deelnemer log leven aan een data spreadsheet (CSV of .xlsx) om relevante gegevens te extraheren.
        1. Open data spreadsheet-software en selecteer het tabblad "Data".
        2. Op het tabblad "Data", in de "Externe gegevens ophalen" groep, klikt u op "Van tekst".
        3. In de "adresbalk", lokaliseren, dubbelklikt u op de deelnemer tekstbestand te importeren, en volg de aanwijzingen op het scherm instructies van de wizard.
        4. Ga door het exporteren voor alle relevante deelnemer bestanden.

6. Timestamp Deelnemer video's voor gegevensanalyse

  1. Met behulp van de Afea software, handmatig video elke deelnemer te beoordelen en te identificeren na consumptie tijdstip nul voor elk monster. Noteer de timestamp in een data spreadsheet. Post-verbruik wordt gedefinieerd als het monster cup onder de kin van de deelnemer en niet langer occludes het gezicht.
    Opmerking: De plaatsing van de tijdstempel is essentieel voor evaluatie. Het punt waar de kop niet meer afsluit het gezicht is de optimale aanbeveling en tijdstempels moet consistent zijn voor alle deelnemers zijn.
  2. Sla de timestamp data spreadsheet (CSV) als referentie voor het extraheren van relevante data uit video's.
    Opmerking: Deelnemer video's kunnen ook intern worden gecodeerd in de software als "Event Marking".

7. Time Series Emotionele Analyse

Opmerking: Beschouw de "basislijn" naar de besturing (bijv unflavored water in dit voorbeeld) is. De onderzoeker de mogelijkheid om een ​​andere "basisbehandeling stimulus" of een "basislijn tijd zonder stimulans" voor gepaarde afhankelijk van het belang van het onderzoek te creëren. De voorgestelde methode is goed voor een "default" toestand met behulp van een gepaarde statistische toets. Met andere woorden, de werkwijze gebruik maakt van statistische afscherming (dwzeen gekoppelde test) aan te passen voor de standaard uiterlijk van elke deelnemer en vermindert dus de variabiliteit over deelnemers.

  1. Uittreksel relevante gegevens van de geëxporteerde bestanden (.csv of .xlsx).
    1. Identificeer een tijdsbestek aan de studie evaluatie (seconden) relevant.
    2. Handmatig uit te pakken respectievelijke data (tijd) van de geëxporteerde deelnemer bestanden overleg met de deelnemer timestamp (tijd nul).
    3. Compileren elke deelnemer de behandeling van gegevens (deelnemer nummer, behandeling, originele video tijd, en emotie respons) per emotie (gelukkig, neutraal, verdrietig, boos, verrast, bang, en walging) voor de select tijdsbestek (in seconden) in een nieuw data spreadsheet voor toekomstige analyse (Figuur 3).
    4. Herhaal dit proces voor alle deelnemers.
  2. Identificeer de overeenkomstige tijd nul vanaf de timestamp dossier voor elke deelnemer aan de behandeling pair en aan te passen video tijd tot een ware tijd "0" voor directe vergelijking ( Figuur 4, Figuur 5).
    Opmerking: Deelnemer gegevens worden verzameld in een continue video dus elke behandeling "tijdstip nul" is anders (dat wil zeggen, unflavored water video tijdstip nul is 02: 13,5 en unflavored melk video tijdstip nul is 03: 15.4). In figuur 4 Vanwege de verschillende behandeling "time nullen", moet de video tijden worden aangepast en opnieuw uitgelijnd om te beginnen bij "0: 00.0" of andere standaard starttijd met het oog voor de directe tijd vergelijking van de behandeling emotionele reactie data.
  3. Voor elke deelnemer, emotie, en aangepaste tijdstip, pak het gepaarde behandeling (bijvoorbeeld, unflavored melk) en controle behandeling (bijvoorbeeld, unflavored water) kwantitatieve emotionele score. Met andere woorden, uitlijnen deelnemer behandeling en controle tijdreeksen responsen op elke aandoening (Figuur 5).
  4. Informatie verzamelen alle deelnemers (deelnemer, ingestelde tijd, en gekoppeld behandeling(Bijvoorbeeld unflavored water en unflavored melk) op elk tijdstip (figuur 6).
    Opmerking: De onderstaande stappen de stappen voor een gekoppelde Wilcox proef met de hand aan te tonen. De meeste data-analyse software programma's zal dit automatisch. Het wordt aanbevolen om de statistische analyse proces met een statisticus te bespreken.
  5. Zodra de stalen opnieuw ingesteld en aangepast aan nieuwe aangepaste video maal direct vergelijk tussen de emotionele resultaten van een respectief monster en de controle (unflavored water) via opeenvolgende gepaarde parametrische Wilcoxon test over de deelnemers (figuur 7).
    Opmerking: De nieuwe tijd uitlijning van de monsters zal zorgen voor directe vergelijking binnen de 5 seconden na consumptie tijdsbestek. Als een gepaarde waarneming niet aanwezig is in een behandeling, laat de deelnemer vanaf dat tijdstip vergelijking.
    1. Bereken het verschil tussen de controle en de respectieve monster voor elke gekoppelde vergelijking met behulp van data spreadsheet management software.
      Opmerking: De vergelijking is afhankelijk van het geselecteerde frame rate voor emotionele analyse in de software. Het protocol toont 30 individuele vergelijkingen per seconde gedurende 5 seconden (geselecteerd tijdsbestek).
      Opmerking: Gebruik Figuur 7 als referentie voor kolommen en stappen.
      1. Trek de van melk (bv unflavored melk) van de waarde van de controle (bijv unflavored water) om het verschil te bepalen. In de data spreadsheet management software in een nieuwe kolom met de titel "Behandeling Difference", voer "= (C2) - (D2)", waarbij "C2" is de controle emotionele waarden en "D2" is de gekozen behandeling emotionele waarden. Herhaal dit proces voor alle tijdstippen.
      2. Bereken de absolute waarde van de behandeling verschil. In de data spreadsheet management software in een nieuwe kolom, voer "= ABS (E2)", waarbij "E2" is de behandeling Difference. Herhaal dit proces vooralle tijdstippen.
      3. Bepalen de rangorde van de behandeling verschil. In de data spreadsheet management software in een nieuwe kolom, voer "= RANK (G2, $ G $ 2: $ G $ 25, 1)" waarbij "G2" is het absolute verschil en "1" is "oplopend". Herhaal dit proces voor alle tijdstippen.
      4. Bepaal de ondertekende rang van de rangorde van de spreadsheet. Verander het teken om negatief als de behandeling verschil was negatief (kolom I).
      5. Bereken de positieve som (= SOM.ALS (I2: I25, "> 0", I2: I25) en negatieve som = SOM.ALS (I2: I25, "<0", I2: I25) van de rang waarden.
      6. Bepaal de test statistiek. De toetser, de absolute waarde lager bedrag.
      7. Statistische tabellen voor Wilcoxon Signed als Test Statistiek met behulp van het aantal waarnemingen opgenomen op de specifieke tijd en een geselecteerde alpha waarde aan de kritische waarde te bepalen.
      8. Als de toetser kleiner is dan de kritische waarde verwerpen tHij nulhypothese. Als het groter is, accepteren de nulhypothese.
  6. Grafiek van de resultaten op de bijbehorende behandeling grafiek (dwz unflavored melk in vergelijking met unflavored water) voor de momenten waarop de nulhypothese wordt verworpen. Gebruik het teken van het verschil te bepalen welke behandeling het grootste emotie (figuur 8) heeft.
    1. In de data spreadsheet software, maak een grafiek met de waarden van aanwezigheid of afwezigheid van betekenis.
      1. Klik op het tabblad "Invoegen".
      2. Selecteer "Line"
      3. Klik met de rechtermuisknop op de grafiek vak.
      4. Klik op "select data" en volg het scherm om te selecteren en de grafiek relevante data (figuur 8).
        Opmerking: De grafieken zal emotionele resultaten portretteren waar het monster of de controle is hoger en significant. Grafiek afhankelijke, de emotie is hoger op dat specifieke moment waardoor de mogelijkheid om te onderscheiden hoe emoties deelnemerevolueren in de 5 tweede periode tussen twee monsters.
        Opmerking: Statistische ondersteuning met een statisticus wordt sterk aangeraden om relevante gegevens te extraheren. Ontwikkeling van statistische codering is vereist om emotionele resultaten te analyseren.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De werkwijze stelt een standaardprotocol voor Afea gegevensverzameling. Als voorgesteld protocol stappen worden gevolgd, onbruikbare emotionele data-uitgang (figuur 1) als gevolg van een slechte verzamelen van gegevens (Figuur 2: A; Links Picture) kan beperkt zijn. Tijdreeksanalyse kunnen niet worden gebruikt als log-bestanden (.txt) "FIT_FAILED" en "FIND_FAILED" overwegend bevatten aangezien dit slechte data (figuur 1).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Afea toepassing in de literatuur met betrekking tot eten en drinken is zeer beperkt 1-11. Het verzoek tot eten is nieuw, het creëren van een kans voor vaststelling van de methodologie en interpretatie van de gegevens. Arnade (2013) 7 gevonden hoge variabiliteit tussen individuele emotionele reactie op chocolade melk en witte melk met behulp van het gebied onder de curve analyse en variantie-analyse. Maar zelfs met deelnemer variabiliteit deelnemers gegenereerd een gelukkig reactie langer terwijl ve...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs hebben niets te onthullen.

Dankbetuigingen

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dit project werd gedeeltelijk gefinancierd door ConAgra Foods (Omaha, NE, VS), de Virginia Agricultural Experiment Station, het Hatch Program van het National Institute of Food and Agriculture, het Amerikaanse ministerie van Landbouw, en het Virginia Tech Water INTERface Interdisciplinary Graduate Education Program.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
2% Reduced Fat MilkKroger Brand, Cincinnati, OH of DZA Brands, LLC, Salisbury, NCnavoor oplossingen
Drinking WaterKroger Brand, Cincinnati, OHnavoor oplossingen
Imitation Clear Vanilla FlavorKroger Brand, Cincinnati, OHnavoor oplossingen
Iodized SaltKroger Brand, Cincinnati, OHnavoor oplossingen
FaceReader 6Noldus Information Technology, Wageningen, The NetherlandsnaVoor gezichtsanalyse
Sensory Information Management System (SIMS) 2000Sensory Computer Systems, Berkeley Heights, NJVersie 6Voor sensorische gegevensregistratie
RhapsodyAcuity Brands Lighting, Inc., Conyers, GAVoor omgevingsverlichting
R Version R Core Team 20153.1.1Voor statistische analyse
Microsoft OfficeMicrosoftnaVoor statistische analyse
JMPStatistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NCnaVoor statistische analyse
Media Recorder 2.5Noldus Information Technology, Wageningen, The NetherlandsnaVoor het vastleggen van sensorische evaluatie van deelnemers
Axis M1054 CameraAxis Communications, Lund, Swedenna
BeveragenaDrank of zachte voedingsmiddelen voor evaluatie

Referenties

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
  2. De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
  3. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628(2012).
  4. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
  5. Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
  6. Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
  7. Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , Virginia Tech. Blacksburg. 1-187 (2013).
  8. Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
  9. Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, , (2014).
  10. Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
  11. Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
  12. Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
  13. Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , Consulting Psychologists Press. Palo Alto, California. (1978).
  14. Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
  15. Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
  16. FaceReader 5™ Technical Specifications. , Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
  17. Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. , University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
  18. Bishop, C. M. Neural networks for pattern recognition. , Oxford University Press. New York. (1995).
  19. Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
  20. Noldus Information Technology. FaceReader Reference Manual Version 6. , Wageningen, The Netherlands. (2014).
  21. Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008).
  22. Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. , 2nd, Springer. New York. 551-560 (2009).
  23. Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
  24. Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
  25. Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
  26. Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
  27. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
  28. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg , Oxford University Press, Inc. New York. 302-327 (1997).
  29. Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987).
  30. Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
  31. Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
  32. Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
  33. Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. , University of Nebraska Press. Lincoln (NE). 207-283 (1971).
  34. Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Analyse van emotionele responsmethodologie voor sensorische evaluatieoptimalisatie van videocapturesoftware voor gezichtsuitdrukkingenprotocol voor data analysetechniek voor temporele analysestandaardisatie van instructies voor participantenvergelijking met baseline controleextractie van emotionele data

Gerelateerde artikelen