Summary

Protocollo per la raccolta di dati e analisi applicata a Automated viso Tecnologia Espressione Analisi e analisi temporale per la valutazione organolettica

Published: August 26, 2016
doi:

Summary

Un protocollo per l'acquisizione e l'analisi statistica risposta emotiva di una popolazione di bevande e alimenti liquidi in un laboratorio valutazione sensoriale utilizzando il software di analisi automatizzata espressione facciale è descritto.

Abstract

We demonstrate a method for capturing emotional response to beverages and liquefied foods in a sensory evaluation laboratory using automated facial expression analysis (AFEA) software. Additionally, we demonstrate a method for extracting relevant emotional data output and plotting the emotional response of a population over a specified time frame. By time pairing each participant’s treatment response to a control stimulus (baseline), the overall emotional response over time and across multiple participants can be quantified. AFEA is a prospective analytical tool for assessing unbiased response to food and beverages. At present, most research has mainly focused on beverages. Methodologies and analyses have not yet been standardized for the application of AFEA to beverages and foods; however, a consistent standard methodology is needed. Optimizing video capture procedures and resulting video quality aids in a successful collection of emotional response to foods. Furthermore, the methodology of data analysis is novel for extracting the pertinent data relevant to the emotional response. The combinations of video capture optimization and data analysis will aid in standardizing the protocol for automated facial expression analysis and interpretation of emotional response data.

Introduction

Automatizzata analisi espressione del viso (AFEA) è uno strumento di analisi prospettica per la caratterizzazione di risposte emotive alle bevande e alimenti. analisi emozionale può aggiungere una dimensione extra al metodologie esistenti Scienze Sensoriali, pratiche di valutazione, il cibo e le valutazioni di scala edonica tipicamente utilizzato sia in ambienti della ricerca e dell'industria. analisi emozionale potrebbe fornire una metrica supplementare che rivela una risposta più precisa di cibi e bevande. Punteggio edonico può includere pregiudizi partecipante a causa di mancanza di registrare le reazioni 1.

la ricerca AFEA è stato utilizzato in molte applicazioni di ricerca, tra cui giochi per computer, il comportamento degli utenti, Istruzione / Pedagogia, e gli studi di psicologia su empatia e l'inganno. La maggior parte della ricerca alimentare associata si è concentrata sulla caratterizzazione di risposta emotiva alla qualità del cibo e del comportamento umano con il cibo. Con la recente tendenza ad acquisire intuizioni comportamenti alimentari, un numero crescente di dati di letteratura uso di AFEAper caratterizzare la risposta emotiva umana associata a cibi, bevande e odoranti 1-12.

AFEA deriva dal viso Azione Coding System (FACS). Il sistema di codifica azione facciale (FACS) discrimina i movimenti facciali caratterizzati da unità di azione (AUS) su una scala di intensità 5 punti 13. L'approccio FACS richiede esperti revisione addestrati, codifica manuale, significativo tempo di valutazione, e fornisce le opzioni di analisi di dati limitati. AFEA è stato sviluppato come un metodo di valutazione rapida per determinare emozioni. AFEA software si basa sul movimento facciale muscolare, i database del viso, e gli algoritmi per caratterizzare la risposta emotiva 14-18. Il software AFEA utilizzato in questo studio ha raggiunto un "indice di FACS di contratto di 0,67, in media, sia sul Varsavia Set di Emotional viso Pictures espressione (WSEFEP) e Amsterdam dinamica Espressione del viso Set (ADFES), che è vicino a un accordo standard di 0,70 per codifica manuale "19 </sup>. emozioni universali inclusi nell'analisi sono felici (positivo), triste (negativo), disgustata (negativo), sorpresa (positiva o negativa), arrabbiato (negativo), paura (negativo) e neutro ciascuno su una scala separata da 0 a 1 ( 0 = non espresso; 1 = pienamente espresso) 20. Inoltre, la letteratura psicologia comprende felice, sorpresa, e arrabbiato come emozioni "approccio" (verso stimoli) e triste, spaventato, e disgustato come emozioni "ritiro" (lontano da stimoli avversi) 21.

Una limitazione del software AFEA corrente per caratterizzare emozioni associate con gli alimenti è interferenza da movimenti facciali associati masticazione e deglutizione, nonché altri movimenti motorie, come movimenti della testa estreme. Il software si rivolge a movimenti più piccoli facciali muscolari, posizione in materia e grado di movimento, sulla base di oltre 500 punti muscolari sul viso 16,17. movimenti masticare interferiscono con la classificazione di espressioni. Questo limitezione può essere affrontata utilizzando alimenti liquefatti. Tuttavia, altre sfide metodologia può anche diminuire la sensibilità di video e l'analisi AFEA compresi dell'ambiente raccolta dei dati, la tecnologia, le istruzioni ricercatore, il comportamento dei partecipanti, e partecipante attributi.

Una metodologia standard non è stato sviluppato e verificato per la cattura video ottimale e l'analisi dei dati utilizzando AFEA per la risposta emotiva a cibi e bevande in un ambiente di laboratorio di valutazione sensoriale. Molti aspetti possono influenzare l'ambiente di acquisizione video, tra cui l'illuminazione, ombra a causa di illuminazione, le indicazioni dei partecipanti, il comportamento dei partecipanti, l'altezza dei partecipanti, così come, altezza macchina fotografica, pesca macchina fotografica, e le impostazioni di attrezzature. Inoltre, le metodologie di analisi dei dati sono incoerenti e mancano di una metodologia standard per la valutazione della risposta emotiva. Qui, dimostreremo la nostra procedura standard per l'acquisizione dei dati ed elaborazione dei dati emotivi in ​​risultati significativi utilizzando le bevande (latte aromatizzato, latte unflavored e acqua unflavored) per la valutazione. A nostra conoscenza un solo peer reviewed pubblicazione, dal nostro gruppo laboratorio, ha utilizzato le serie temporali per l'interpretazione dei dati per l'analisi delle emozioni 8; tuttavia, il metodo è stato aggiornato da nostro metodo presentato. Il nostro obiettivo è quello di sviluppare una metodologia migliore e coerente per aiutare con la riproducibilità in laboratorio di valutazione sensoriale. Per la dimostrazione, l'obiettivo del modello di studio è quello di valutare se AFEA potesse completare la verifica tradizionale edonistico accettabilità del latte aromatizzato, latte unflavored e acqua insapore. L'intenzione di questo protocollo video è quello di contribuire a creare una metodologia AFEA, uniformare i criteri di acquisizione video in un laboratorio di valutazione sensoriale (impostazione cabina sensoriale), e illustrare un metodo per l'analisi dei dati temporali emotiva di una popolazione.

Protocol

Etica Dichiarazione: Questo studio è stato precedentemente approvati dal Virginia Tech Institutional Review Board (IRB) (IRB 14-229) prima di iniziare il progetto. Attenzione: sperimentazione umana richiede un consenso informato prima della partecipazione. Oltre ad approvazione IRB, il consenso per l'utilizzo di fotografie o immagini video è necessario anche prima di rilasciare le immagini per la stampa, video o immagini grafiche. Inoltre, gli allergeni alimentari sono comunicati prima del test. Ai partecipanti è richiesto pr…

Representative Results

Il metodo si propone un protocollo standard per la raccolta dei dati AFEA. Se sono seguiti passi protocollo suggerito, inutilizzabile emotivo in uscita (Figura 1) derivanti dalla raccolta dei dati poveri (Figura 2: A; foto a sinistra) può essere limitata. Analisi di serie temporali non può essere utilizzato se i file di log (txt) prevalentemente contengono "FIT_FAILED" e "FIND_FAILED" in quanto si tratta di dati cat…

Discussion

AFEA applicazione in letteratura relative a cibo e bevande è molto limitata 1-11. L'applicazione al cibo è nuova, creando un'opportunità per stabilire la metodologia ed i dati di interpretazione. Arnade (2013) 7 trovato alta variabilità individuale tra risposta emotiva individuale di cioccolato al latte e bianco latte con area sotto la curva di analisi e l'analisi della varianza. Tuttavia, anche con la variabilità dei partecipanti, i partecipanti generato una risposta felice più a…

Disclosures

The authors have nothing to disclose.

Acknowledgements

This project was funded, in part, by ConAgra Foods (Omaha, NE, USA), the Virginia Agricultural Experiment Station, the Hatch Program of the National Institute of Food and Agriculture, U.S. Department of Agriculture, and the Virginia Tech Water INTERface Interdisciplinary Graduate Education Program.

Materials

2% Reduced Fat Milk Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC na for solutions
Drinking Water Kroger Brand, Cincinnati, OH na for solutions
Imitation Clear Vanilla Flavor Kroger Brand, Cincinnati, OH na for solutions
Iodized Salt Kroger Brand, Cincinnati, OH na for solutions
FaceReader 6 Noldus Information Technology, Wageningen, The Netherlands na For Facial Analysis
Sensory Information Management System (SIMS) 2000 Sensory Computer Systems, Berkeley Heights, NJ Version 6 For Sensory Data Capture
Rhapsody Acuity Brands Lighting, Inc., Conyers, GA For Environment Illumination
R Version  R Core Team 2015 3.1.1 For Statistical Analysis
Microsoft Office Microsoft na For Statistical Analysis
JMP Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC na For Statistical Analysis
Media Recorder 2.5 Noldus Information Technology, Wageningen, The Netherlands na For capturing participants sensory evaluation
Axis M1054 Camera Axis Communications, Lund, Sweden na
Beverage na Beverage or soft food for evaluation

References

  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]. , 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. , (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. , (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. , (2014).
  17. Cootes, T., Taylor, C. . Statistical models of appearance for computer vision: Technical report. , (2000).
  18. Bishop, C. M. . Neural networks for pattern recognition. , (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. , (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., Clark, S., Costello, M., Drake, M., Bodyfelt, F. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. , 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., P, E. k. m. a. n., E, R. o. s. e. n. b. e. r. g. 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). , 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., Cole, J. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. , 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).

Play Video

Cite This Article
Crist, C. A., Duncan, S. E., Gallagher, D. L. Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation. J. Vis. Exp. (114), e54046, doi:10.3791/54046 (2016).

View Video