Методическая статья

Протокол для сбора и анализа данных прикладной к автоматизированным мимические технологии анализа и временного анализа для сенсорной оценке

DOI:

10.3791/54046

26 августа 2016 г.

В этой статье

Краткое содержание

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

Протокол для сбора и статистического анализа эмоционального отклика населения к напиткам и сжиженных продуктов в сенсорной лаборатории оценки с использованием автоматизированного программного обеспечения для анализа лица выражение описано.

Аннотация

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

Мы демонстрируем метод регистрации эмоциональной реакции на напитки и сжиженные продукты в лаборатории сенсорной оценки с использованием программного обеспечения для автоматизированного анализа выражения лица (AFEA). Кроме того, мы демонстрируем метод извлечения релевантных эмоциональных данных и построения графика эмоциональной реакции популяции за определенный период времени. Путем сопоставления во времени реакции каждого участника на лечение на контрольный стимул (исходный уровень) можно количественно оценить общую эмоциональную реакцию с течением времени и у нескольких участников. AFEA является перспективным аналитическим инструментом для оценки объективной реакции на продукты питания и напитки. В настоящее время большинство исследований в основном сосредоточены на напитках. Методологии и анализы еще не стандартизированы для применения AFEA к напиткам и пищевым продуктам; Тем не менее, необходима последовательная стандартная методология. Оптимизация процедур видеосъемки и результирующее качество видео помогают успешно собирать данные об эмоциональной реакции на продукты питания. Кроме того, методология анализа данных является новой для извлечения релевантных данных, относящихся к эмоциональной реакции. Комбинации оптимизации захвата видео и анализа данных помогут стандартизировать протокол для автоматического анализа выражения лица и интерпретации данных об эмоциональных реакциях.

Введение

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

Автоматизированный анализ выражение лица (Afea) является перспективным аналитическим инструментом для характеристики эмоциональных ответов на напитки и продукты питания. Эмоциональный анализ может добавить дополнительное измерение к существующим сенсорными методологии науки, практики оценки пищевых продуктов, и гедонистических рейтинговой шкале, как правило, используются как в научно-исследовательских и промышленных установок. Эмоциональный анализ мог бы обеспечить дополнительный показатель, который показывает более точную реакцию на пищевые продукты и напитки. Гедонические скоринг может включать в себя смещение участника из - за сбоя записи реакций 1.

Afea исследования были использованы во многих научно-исследовательских приложений, включая компьютерные игры, поведения пользователей, образования / педагогики и психологии исследований по эмпатии и обмана. Большинство пищевых продуктов связаны исследования были направлены на характеризующие эмоциональную реакцию на качество продуктов питания и поведения человека с пищей. С недавней тенденции в получении способность проникновения в продукты питания поведения, растущее число докладов литературы использовать Афеидля характеристики человека эмоциональный отклик , связанный с пищевыми продуктами, включая напитки, и отдушек 1-12.

Afea происходит от лицевой Action Coding System (FACS). Система кодирования действия лица (FACS) дискриминирует лица движений , характеризуемых единиц действия (AUS) по шкале от 13 интенсивности 5-балльной. Подход FACS требует подготовленных экспертов по рассмотрению, ручное кодирование, значительное время оценки, а также предоставляет ограниченные возможности для анализа данных. Afea был разработан в качестве экспресс-метода оценки для определения эмоций. Afea программное обеспечение полагается на лицевой мышечной движения, базы данных лицевых и алгоритмов , чтобы охарактеризовать эмоциональный отклик 14-18. Программное обеспечение Afea используется в данном исследовании достигли "индекс FACS договора 0,67 в среднем на обоих Варшавской Набор Эмоциональные для лица Pictures Expression (WSEFEP) и Амстердам Динамическое выражение лица Set (ADFES), что близко к стандартному соглашению 0,70 для ручного кодирования "19 . Универсальные эмоции включены в анализ счастливы (положительный), грустный (отрицательный), отвращение (отрицательный), удивил (положительный или отрицательный), гнев (отрицательный), испуг (отрицательный) и нейтрально каждый на отдельной шкале от 0 до 1 ( 0 = не выражен; 1 = полное выражение) 20. Кроме того, психология литература включает в себя счастливым, удивление, и зол , как "подход" эмоции (к раздражителям) и грустно, страшно, и противно , как "уход" эмоций (от аверсивного раздражителей) 21.

Одно ограничение текущего программного обеспечения Afea для характеристики эмоции, связанные с пищевыми продуктами, являются помехи от лицевых движений, связанных с жевания и глотания, а также другие грубые моторные движения, такие, как экстремальных движений головы. Программное обеспечение предназначается для более мелких лицевых мышечных движений, касающуюся положения и степени движения, основанные на более чем 500 точек мышц на лице 16,17. Жевательные движения мешают классификации выражений. Этот пределвания могут быть решены с использованием сжиженных продуктов. Тем не менее, другие проблемы, методология может также уменьшить чувствительность видео и анализ Afea включая окружающую среду данных сбора, технологии, инструкции исследователя, поведения участника и участника атрибутов.

Стандартная методология не была разработана и проверена для оптимального захвата видео и анализа данных с использованием Afea для эмоциональной реакции на пищевые продукты и напитки в сенсорной лаборатории оценки обстановке. Многие аспекты могут повлиять на окружающую среду захвата видео, включая освещение, затенение из-за освещения, направления участников, поведение участника, рост участника, а также, высота камеры, камеры рыбной ловли и настройки оборудования. Кроме того, методологии анализа данных противоречивы и не имеют стандартную методологию оценки эмоционального отклика. Здесь мы продемонстрируем нашу стандартную операционную процедуру для захвата эмоциональных данных и обработки данных в значимые результаты с использованием напитков (ароматизированное молоко, неприправленный молоко и неприправленный вода) для оценки. Насколько нам известно , только один рецензируемых публикации, из нашей лаборатории группы, использовал временные ряды для интерпретации данных для анализа эмоций 8; Тем не менее, этот метод был обновлен для нашего предложенного метода. Наша цель состоит в том, чтобы разработать более совершенную и последовательную методологию, чтобы помочь с воспроизводимости в сенсорной лабораторной оценки обстановке. Для демонстрации, цель модели исследования заключается в оценке, если Afea может дополнить традиционную оценку гедоническая приемлемости ароматизированного молока, неприправленный молока и неприправленный воды. Цель этого видео протокола, чтобы помочь установить методологию Afea, стандартизировать критерии захвата видео в сенсорной лаборатории оценки (сенсорные настройки стенда) и иллюстрируют способ временного эмоционального анализа данных населения.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

Заявление по этике: Данное исследование было предварительно одобрено Советом Virginia Tech Institutional Review (IRB) (IRB 14-229) до начала проекта.

Внимание: исследование человеческого субъекта требует информированного согласия до участия. В дополнение к IRB утверждения, согласия на использование неподвижных или видеоизображений также требуется до выхода каких-либо изображений для печати, видео или графических изображений. Кроме того, пищевые аллергены раскрыты перед тестированием. Участникам предлагается перед началом панели, если у них есть какие-либо непереносимости, аллергии или других проблем.

Примечание: Критерии исключения: Автоматизированный анализ выражение лица чувствителен к толстой оправе, сильно бородатые лица и тон кожи. Участники, которые имеют эти критерии несовместимы с анализа программного обеспечения в связи с повышенным риском неудачных видео. Это связано с неспособностью программного обеспечения, чтобы найти лицо.

1. Подготовка образцов и Участник кадрового агентства

  1. Приготовьте напиток или мягкийобразцы пищи.
    1. Подготовка активизировались молочных решений с использованием 2% молока и предложенные ароматы из Костелло и Кларка (2009) 22, а также другие ароматы. Подготовьте следующие решения: (1) неприправленный молоко (2% молока с пониженным содержанием жира); (2) неприправленный вода (питьевая вода); (3) ванильного экстракта ароматизатор в молоке (0,02 г / мл) (имитация ясный аромат ванили); и (4) соленый вкус в молоке (0,004 г / мл йодированной соли).
      Примечание: Эти решения используются только для демонстрационных целей.
    2. Налейте половину унции аликвот (~ 15 г) каждого раствора в 2 унции. прозрачные чашки пластиковые образцы и колпачок с цветными крышками.
      Примечание: Рекомендуется использовать прозрачные чашки; Тем не менее, это на усмотрение исследователя.
  2. участники Рекрут из учебного заведения или местного сообщества для участия в исследовании.
    Примечание: Размер участника образца, необходимый для исследования на усмотрение исследователя. Мы рекомендуем диапазон от 10 до 50 участников.
  3. Получить предмет согласия человека до участия в исследовании.

2. Подготовка панели для Room Video Capture

Примечание: Этот протокол предназначен для сбора данных в сенсорной лаборатории оценки. Этот протокол, чтобы сделать сбор данных Afea полезно для сенсорной настройки стенда.

  1. Использование индивидуальных кабин с сенсорным монитором перед ними (на уровне лица), чтобы держать свое внимание вперед и, чтобы предотвратить глядя вниз.
  2. Используйте регулируемые кресла по высоте с поддержкой спины.
    Примечание: Они имеют важное значение для участников в вертикальном отрегулированы и помещают в подходящий диапазон для захвата видео. Используйте стационарные стулья (без качению функций) с регулируемой спинкой по высоте, так движения участника снижаются.
  3. Установить верхнее освещение на "100%" дневного света для оптимального эмоционального лицевого захвата видео (Illuminant 6504К; R = 206, G = 242, B = 255).
    Примечание: Для того, чтобы избежать интенсивного затенение, диффузный наружный освещение язьаль в то время как интенсивность света или цвет не столь актуальны 20. В конечном счете, это на усмотрение исследователя, отдельного протокола / методологии и окружающей среды для управления освещением для захвата.
  4. Наклейте регулируемый камеру над сенсорным монитором для записи.
    1. Используйте камеру с разрешением не менее 640 х 480 пикселей (или выше) 20. Обсудите необходимые возможности камеры с поставщиком программного обеспечения перед покупкой и установкой 20. Примечание: соотношение сторон не имеет значения 20.
    2. Установить скорость захвата камеры до 30 кадров в секунду (или другой стандартной скорости) для консистенции.
    3. Подключение и обеспечить носитель записи программное обеспечение устанавливается на камеру, чтобы записывать и сохранять видео участницам.

3. Участник Регулировка и словесные направления

  1. Есть только один участник в то время, оценить образцы в сенсорном стенде.
    Примечание: Тестирование болееодин участник в то же время может вмешиваться в тестовой среде и нарушить концентрацию участника или создать уклон.
  2. По прибытии, дать участникам устные инструкции по поводу процесса и стандартных операционных процедур.
    1. Попросите участников сесть прямо вверх и на спинку стула.
    2. Отрегулируйте высоту стула, положение кресла (расстояние от камеры), и угол камеры так, чтобы лицо участника фиксируется в центре видеозаписи, без теней на подбородке или вокруг глаз.
      Примечание: В сенсорном стенде, руководитель участника составляет примерно 20 - 24 дюймов от камеры и монитора с гранецентрированной в корме камеры видео.
    3. Обучите участников оставаться на своих местах, как расположены и сосредоточены, обращенной к дисплея монитора. Кроме того, поручить участникам воздерживаться от каких-либо резких движений потребления после образца в течение 30 сек периода оценки на пробу.
    4. Попросите участника, чтобы поглотить весь напиток или сжиженном образец еды и глотают.
    5. Попросите участников, чтобы быстро переместить чашку образца ниже подбородка и вниз к столу сразу же после того, как образец во рту. Это устранить закупорку лица. Напомните им продолжать смотреть в сторону монитора.
      Примечание: носитель образца для доставки Пробу на усмотрение исследователя. Может быть использовано для соломы или чашка. Независимо от того, первоначальная окклюзия лица неизбежна, потому что лицо будет окклюзия или искажено из-за потребления.
  3. Попросите участников следовать инструкциям, как они появляются на мониторе с сенсорным экраном. Примечание: Инструкции автоматически секвенировали, как запрограммировано в автоматизированную сенсорного программного обеспечения.

4. Процесс индивидуального участника для видеозахвата

  1. Подтверждение видеокамеры оптимально захвата лицо участника в то время как участник сидиткомфортно в кабине (до образца презентации), просматривая компьютерный монитор, на котором отображается видео захвата. Начните запись, нажав на кнопку записи на мониторе компьютера.
  2. Попросите участников потягивать воду, чтобы очистить их вкус.
  3. Обеспечивать лечение по одному за раз, начиная с базового уровня или контрольной обработки (неприправленный воды). Идентификация каждого образца с помощью уникального цветного картотеку помещается в верхней части каждого образца, относящегося к коду цвета образца для идентификации обработки образца в видео.
    Примечание: Запрограммированный указания на мониторе сенсорного экрана инструктирует участников. Инструкции направляет участника через серию стандартных шагов для каждого образца обработки.
  4. С помощью монитора с сенсорным экраном, направить участника к:
    1. Подними связанный с ним цвет индекс карты предварительной потребления для идентификации образцов в видео.
      Примечание: цвет карты является способом исследователи могут определить процедуры в видео Aй отметьте соответствующий временной интервал (нулевой момент времени) для оценки образца.
    2. После удержания карты на короткое время, поместите карту обратно на поднос.
    3. Полностью потреблять образец и подождите примерно 30 секунд, приведено в исполнение через запрограммированный руководством на мониторе, в то время как обращенный к камере.
      Примечание: Контролируемое период выборки 30 сек охватывает промежуток времени адекватную в течение всего периода оценки выборки (то есть, с указанием индекса карты, открытие образца (удаление крышки), потребления и эмоциональный захват).
    4. Введите свой гедоническое счет приемлемости на мониторе с сенсорным экраном (1 = не любят очень, 2 = не любят очень, 3 = больше всего не нравится в меру, 4 = не любят чуть-чуть, 5 = ни, как ни нравится, 6 = как немного, 7 = как умеренно, 8 = очень нравится, 9 = как чрезвычайно).
    5. Прополоскать рот питьевой водой до следующего процесса образца.

5. Оценка Автоматизированные Анализ вариантов выражения лица

Примечание: Существует множество лицевых программ программного обеспечения для анализа экспрессии. Команды программного обеспечения и функции могут различаться. Важно следовать рекомендациям пользователей изготовителя и справочное руководство 20.

  1. Сохранить записи в формате медиа и передать автоматизированной лицевого программного обеспечения для анализа экспрессии.
  2. Анализировать участницам видео, используя автоматизированное программное обеспечение для анализа лица.
    1. Дважды щелкните значок программы на рабочем столе компьютера.
    2. После того как программа открыта, нажмите кнопку "Файл", выберите "New ..." и выберите "Проект ..."
    3. В появившемся окне, имя проекта и сохраните проект.
    4. Добавление участников к проекту, нажав на значок "Добавить участников" (Человек со знаком (+)). Другие участники могут быть добавлены, повторяя этот шаг.
    5. Добавить видео участника к соответствующему участнику для анализа.
      1. На левой стороне экрана нажмите на значок рулона пленки Wiй знак плюс (+), чтобы добавить видео для анализа.
      2. Нажмите кнопку "увеличительное стекло" под участника, представляющие интерес для просмотра видео, чтобы добавить.
  3. Анализ видео ролики кадр за кадром при непрерывных параметров анализа калибровки в программном обеспечении.
    1. Нажмите на значок карандаша, чтобы настроить параметры в нижней части окна, на вкладке "Настройки" для каждого участника видео.
      1. Набор "Face Model" генералу. Набор "разглаживают классификации" Да. Набор "Sample Rate" для каждого кадра.
      2. Установите "поворот изображения" до № Set "Непрерывная калибровка" Да. Установите "Selected калибровку" Нет.
    2. Сохранить настройки проекта.
    3. Нажмите на значок пакетного анализа (тот же красный и черный целевой как символ) для анализа видео проекта.
    4. Сохраните результаты, как только анализ завершен.
      Примечание: Существуют и другие настройки видео, если researc программного обеспеченияее предпочтение гарантирует другой метод анализа.
    5. Рассмотрим видео неудачи , если серьезные закупорки лица или невозможности отобразить лицо сохраняется в течение указанного окна после потребления (рисунок 1). Кроме того, если модель не данные будут говорить "FIT_FAILED" или "FIND_FAILED" в экспортированных выходных файлов (Рисунок 2). Это представляет собой потерянные данные, так как программное обеспечение не может классифицировать и анализировать эмоции участника.
      Примечание: Afea переводит движение мышц лица в нейтральное положение, счастливый, отвращение, печаль, гнев, удивление и напуган по шкале от 0 (не выражены) до 1 (полное выражение) для каждой эмоции.
  4. Экспорт вывод Afea данных, лог-файлы (.txt) для дальнейшего анализа.
    1. После того, как анализы будут завершены, экспортировать весь проект.
      1. Нажмите кнопку "Файл", "Экспорт", "Экспорт результатов проекта".
      2. Когда откроется окно, выберите место, где экспорт SHOUЛ.Д. быть сохранены и сохранить лог-файлы (.txt) в папку.
      3. Преобразование каждой жизни журнала участника в таблицу данных (.csv или .xlsx), чтобы извлечь соответствующие данные.
        1. Открытое программное обеспечение электронной таблицы данных и выберите вкладку "Данные".
        2. На вкладке "Данные", в группе "Внешние данные", нажмите кнопку "текст".
        3. В "адресной строке", найдите, дважды щелкните текстовый файл участника импорта, и следуйте инструкциям на экране мастера.
        4. Продолжить процесс экспорта для всех соответствующих участников файлов.

6. Отметка Участник Видео для анализа данных

  1. С помощью программного обеспечения Afea, вручную просмотреть видео каждого участника и определить время после потребления нуля для каждого образца. Запишите метку времени в таблицу данных. Пост-потребление определяется, когда образец чашка не ниже подбородка участника и больше не осчает лицо.
    Примечание: Размещение метки времени имеет решающее значение для оценки. Дело в том, где чаша больше не загораживает лицо является оптимальной рекомендацией и временные метки должны быть последовательными для всех участников.
  2. Сохраните таблицу данных временных меток (.csv) в качестве эталона для извлечения нужных данных из видео.
    Примечание: Участник видео также может быть закодирована внутри в программном обеспечении, как "Маркировка событий".

7. Время серии Эмоциональный анализ

Примечание: Рассмотрим "базовый" , чтобы быть контроль (т.е. неприправленный воды в данном примере). Исследователь имеет возможность создавать различные "базовой линии лечения стимул" или "базовое время без стимула" для парного сравнения в зависимости от интересов следствия. Предложенный метод счета для состояния "по умолчанию" с помощью парного статистического теста. Другими словами, процедура использует статистическую блокировку (то есть,парный тест) для корректировки внешнего вида по умолчанию каждого участника и, следовательно, снижает изменчивость между участниками.

  1. Извлечь соответствующие данные из экспортируемых файлов (CSV или .xlsx).
    1. Определить временные рамки, имеющие отношение к оценке исследования (в секундах).
    2. Вручную извлечь соответствующие данные (время кадра) из экспортированных файлов участников консультаций с участника (временную метку времени ноль).
    3. Обобщение данных о лечении каждого участника (номер участника, лечение, оригинальное видео в реальном времени, и реакция эмоции) на эмоции (счастливый, нейтральный, грустно, сердитые, удивление, испуг и отвращение) для выбора периода времени (в секундах) в новой таблице данных для последующего анализа (рисунок 3).
    4. Продолжайте этот процесс для всех участников.
  2. Определить соответствующее время нулевой из файла метки времени для каждой пары участников обработки и настройки времени видео к истинному времени "0" для прямого сравнения ( Рисунок 4, Рисунок 5).
    Примечание: данные об участнике собирается в непрерывном видео поэтому каждое обращение "время ноль" отличается (т.е. неприправленный воды видео в реальном времени ноль 02: 13.5 и неприправленный молоко видео в реальном времени ноль 03: 15,4). На рисунке 4 в связи с различными лечение "время" обнуляет, видео раз нужно перенастроить и перестроены, чтобы начать на "0: 00,0" или другое стандартное время начала для того, чтобы время прямого сравнения данных эмоциональной реакции на лечение.
  3. Для каждого участника, эмоции и скорректированной момент времени, извлечь парного лечение (например, неприправленный молоко) и контроля лечения (например, неприправленный вода) количественная оценка эмоциональный. Другими словами, совместите лечение и контроль временных рядов участника выставки ответов для каждой эмоции (рисунок 5).
  4. Обобщение информации всех участника (участник, установленное время, и спаренный лечение(Например, неприправленный воды и неприправленный молоко) в каждый момент времени (рисунок 6).
    Примечание: Приведенные ниже инструкции демонстрируют шаги для парного теста Wilcox вручную. Большинство программ анализа данных будет делать это автоматически. Рекомендуется, чтобы обсудить процесс статистического анализа с статистиком.
  5. После того , как образцы будут сброшены и приведены в соответствие с новыми скорректированных времени видео, прямое сравнение между эмоциональными результатами соответствующего образца и контроля (неприправленный воды) с использованием последовательных парных тестов непараметрического Вилкоксона через участников (Рисунок 7).
    Примечание: Новое время выравнивание образцов позволит для прямого сравнения в пределах 5 секунд после потребления времени. Если в паре наблюдение не присутствует в лечении, падение участника из этой временной точки сравнения.
    1. Вычислить разницу между контролем и соответствующего образца для каждого парного сравнения с использованием данных spreadsheпрограммное обеспечение для управления и др.
      Примечание: Сравнение будет зависеть от частоты кадров, выбранной для эмоционального анализа в программном обеспечении. Протокол показывает 30 индивидуальных сравнений в секунду в течение 5 секунд (выбранное время кадра).
      Примечание: Используйте рисунок 7 в качестве эталона для столбцов и шагов.
      1. Вычесть значение молока (например, неприправленный молока) от значения модуля управления (например, неприправленный воды) , чтобы определить разницу. В программное обеспечение для управления электронными таблицами данных в новой колонке под названием "Лечение разница", введите "= (C2) - (D2)", где "C2" является контроль эмоциональные ценности и "D2" выбрано в качестве лечения эмоциональных значений. Продолжайте этот процесс для всех моментов времени.
      2. Рассчитывают абсолютное значение разности лечения. В программное обеспечение для управления электронными таблицами данных в новом столбце, введите "= ABS (E2)", где "Е2" является лечение разница. Продолжайте этот процессвсе моменты времени.
      3. Определить порядок ранг разности лечения. В программное обеспечение для управления электронными таблицами данных в новом столбце, введите "= RANK (G2, $ G $ 2: $ G $ 25, 1)", где "G2" является абсолютная разница и "1" является "восходящей". Продолжайте этот процесс для всех моментов времени.
      4. Определить подписанный ранг порядка ранга на электронную таблицу. Измените знак на отрицательный, если разница лечение было отрицательным (колонка I).
      5. Вычислить положительную сумму (= СУММЕСЛИ (I2: I25, "> 0", I2: I25) и отрицательная сумма = СУММЕСЛИ (I2: I25, "<0", I2: I25) значений ранга.
      6. Определение тестовой статистики. Тестовой статистики абсолютное значение ниже суммы.
      7. По статистическим таблицам Уилкоксона Оцениваемый тестовая статистика с использованием числа наблюдений включены в определенное время и выбранное значение альфа для определения критического значения.
      8. Если тест статистики меньше критического значения отвергают тон нулевой гипотезы. Если он больше, принимают нулевую гипотезу.
  6. Graph результаты на соответствующей обработки графа (т.е. неприправленный молока по сравнению с неприправленный воды) в течение времени , когда нулевая гипотеза отвергается. Используйте знак разницы , чтобы определить , какое лечение имеет большую эмоцию (рисунок 8).
    1. В программном обеспечении управления электронными таблицами данных, создания графика, используя значения наличия или отсутствия значения.
      1. Нажмите кнопку "Вставить" на вкладке.
      2. Выберите "Line"
      3. Щелкните правой кнопкой мыши на поле графика.
      4. Нажмите кнопку "выбрать данные" и следуйте инструкциям на экране для выбора и график соответствующих данных (Рисунок 8).
        Примечание: На графиках будет изображать эмоциональные результаты, где образец или контроль выше и значительным. График зависит, эмоции выше, в то определенное время, позволяя способность различать, как эмоции участника,развиваться в течение периода 5 второй раз между двумя образцами.
        Примечание: Статистическая поддержка со статистиком, настоятельно рекомендуется, чтобы извлечь соответствующие данные. Разработка статистического кодирования необходимо анализировать эмоциональные результаты.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

Метод предлагает стандартный протокол для сбора данных Afea. Если предложенные шаги протокола следуют, непригодной эмоциональный выход данных (Рисунок 1) , в результате из -за плохой сбор данных (Рисунок 2: A; левое изображение) может быть ограничено. Анализ временных рядов не может быть использован , если файлы журналов (.txt) содержат преимущественно "FIT_FAILED" и "FIND_FAILED" , как это неверные данные (Рисунок 1). Кроме того, способ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Afea применение в литературе , связанной с продуктов питания и напитков очень ограничено 1-11. Приложение к продуктам питания является новым, создавая возможность для создания методологии и данных интерпретации. Arnade (2013) 7 нашел высокую индивидуальную вариабельность индивидуальной эмоциональной реакции на молочный шоколад и белого молока с использованием площади под анализа и анализа отклонений кривой. Тем не менее, даже с изменчивостью участника, участники произвели счастливый ответ уже в то ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Авторам нечего раскрывать.

Благодарности

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

Этот проект был частично профинансирован ConAgra Foods (Омаха, Небраска, США), Сельскохозяйственной экспериментальной станцией Вирджинии, программой Hatch Национального института продовольствия и сельского хозяйства, Министерства сельского хозяйства США, и Программой междисциплинарного последипломного образования Virginia Tech Water INTERface.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Молоко с пониженным содержанием жира 2%Kroger Brand, Цинциннати, Огайо или DZA Brands, LLC, Солсбери, Северная Каролинадлярешений
Питьевая водаKroger Brand, Цинциннати, Огайодля решений
Имитация прозрачного ванильного вкусаKroger Brand, Цинциннати, Огайодля решений
Йодированная сольKroger Brand, Цинциннати, Огайодля решений
FaceReader 6Noldus Information Technology, Вагенинген, НидерландыnaДля анализа лица
Система управления сенсорной информацией (SIMS) 2000Sensory Computer Systems, Беркли Хайтс, Нью-ДжерсиВерсия 6Для сбора сенсорных данных
RhapsodyAcuity Brands Lighting, Inc., Conyers, GAДля освещения окружающей среды
R Версия R Core Team 20153.1.1Для статистического анализа
Microsoft OfficeДлястатистического анализа
JMPStatistical Analysis Software (SAS) версии 9.2, SAS Institute, Cary, NCnaДля статистического анализа
Media Recorder 2.5Noldus Information Technology, Wageningen, The NetherlandsnaДля регистрации участников сенсорной оценки
Камера Axis M1054 AxisCommunications, Лунд, Швецияна
Напиткиилибезалкогольные продукты для оценки

Ссылки

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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Похожие статьи