Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

Protokol for Dataindsamling og analyse Anvendt til Automatiseret Facial Expression Analyse Teknologi og Temporal Analyse for Sanse Evaluering

doi: 10.3791/54046 Published: August 26, 2016

Summary

En protokol til at opfange og statistisk analyse af følelsesmæssig reaktion af en befolkning til drikkevarer og flydende fødevarer i en sensorisk bedømmelse laboratorium ved hjælp automatiseret ansigtsudtryk analyse software er beskrevet.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Automatiseret ansigtsudtryk analyse (Afea) er et prospektivt analytisk redskab til at karakterisere følelsesmæssige reaktioner på drikkevarer og fødevarer. Følelsesmæssig analyse kan tilføje en ekstra dimension til eksisterende sensoriske videnskab metoder, evaluering mad praksis og hedoniske skala ratings typisk anvendes både i indstillinger forskning og industri. Følelsesmæssig analyse kunne give en ekstra metrik, som afslører en mere præcis reaktion på fødevarer og drikkevarer. Hedoniske scoring kan omfatte deltager skævhed som følge af manglende optage reaktioner 1.

Afea forskning er blevet brugt i mange forskningsansøgninger, herunder computerspil, brugeradfærd, uddannelse / pædagogik og psykologi undersøgelser af empati og bedrag. Det meste mad-associeret forskning har fokuseret på karakterisering af følelsesmæssig reaktion på fødevarekvalitet og menneskelig adfærd med mad. Med den seneste tendens i at få indsigt i fødevarer adfærd, en voksende mængde af litteratur rapporter bruger af Afeatil karakterisering af det menneskelige følelsesmæssige reaktion ved fødevarer, drikkevarer og lugtstoffer 1-12.

Afea er afledt af Facial Action Coding System (FACS). Den facial handling kodesystem (FACS) diskriminerer ansigts bevægelser karakteriseret ved action enheder (AUS) på en 5-punkts intensitet skalaen 13. Den FACS tilgang kræver uddannede anmeldelse eksperter, manuel kodning, betydelig evaluering tid, og giver begrænsede data analysemuligheder. Afea blev udviklet som en hurtig evaluering metode til bestemmelse følelser. Afea software er afhængig af facial muskuløs bevægelse, ansigts databaser og algoritmer til at karakterisere den følelsesmæssige reaktion 14-18. Den Afea software, der anvendes i denne undersøgelse nåede et "FACS indeks over aftalen af ​​0,67 i gennemsnit på både Warszawa Sæt af Emotional ansigtsudtryk Billeder (WSEFEP) og Amsterdam Dynamisk Facial Expression Set (ADFES), hvilket er tæt på en standardaftale på 0,70 til manuel kodning "19 20. Desuden psykologi litteratur omfatter glad, overrasket og vred som "metode" følelser (mod stimuli) og trist, bange, og væmmes som "tilbagetrækning" følelser (væk fra afskrækningsmiddel stimuli) 21.

En begrænsning ved det nuværende Afea software til karakterisering følelser forbundet med fødevarer er interferens fra ansigts bevægelser er forbundet med at tygge og synke samt andre grovmotoriske bevægelser, såsom ekstreme hovedbevægelser. Softwaren er rettet mod mindre facial muskuløse bevægelser, der vedrører position og graden af bevægelse, baseret på over 500 muskel punkter på ansigtet 16,17. Chewing bevægelser forstyrrer klassificering af udtryk. Denne grænseation kan rettes ved hjælp af flydende fødevarer. Imidlertid kan andre metoder udfordringer også falde video følsomhed og Afea analyse, herunder dataindsamling miljø, teknologi, forsker instruktioner, deltager adfærd, og deltager attributter.

En standardmetode er ikke blevet udviklet og kontrolleret for optimal videooptagelse og dataanalyse ved hjælp Afea for følelsesmæssig reaktion på fødevarer og drikkevarer i en sensorisk bedømmelse laboratorium indstilling. Mange aspekter kan påvirke videooptagelse miljøet, herunder belysning, shadowing grundet belysning, deltager retninger, deltager adfærd, deltager højde, samt, kamera højde, kamera lystfiskeri, og indstillinger udstyr. Desuden data analysemetoder er uforenelige, og mangler en standard metode til vurdering følelsesmæssig reaktion. Her vil vi demonstrere vores standardprocedure til at opfange emotionelle data og behandling af data i meningsfulde resultater ved hjælp af drikkevarer (aromatiseret mælk, unflavored mælk og unflavored vand) til evaluering. Til vores viden kun én peer reviewed publikation, fra vores laboratorium gruppe, har udnyttet tidsserier for data tolkning for følelser analyse 8; imidlertid har metoden blevet opdateret til vores foreliggende fremgangsmåde. Vores mål er at udvikle en forbedret og konsekvent metode til at hjælpe med reproducerbarhed i en sensorisk bedømmelse laboratorium indstilling. For demonstration, at formålet med undersøgelsen modellen er at vurdere, om Afea kan supplere traditionel hedoniske accept vurdering af aromatiseret mælk, unflavored mælk og unflavored vand. Hensigten med denne video protokol er at hjælpe med at etablere Afea metode, standardisere video capture kriterier i en sensorisk bedømmelse laboratorium (sensorisk kabine indstilling), og illustrere en metode til tidsmæssig følelsesmæssige dataanalyse af en population.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Etik Statement: Denne undersøgelse blev forhåndsgodkendt af Virginia Tech Institutional Review Board (IRB) (IRB 14-229) før du starter projektet.

Forsigtig: Menneskelig emne forskning kræver informeret samtykke forud for deltagelse. Ud over IRB godkendelse, samtykke til brug af stille eller videobilleder er også påkrævet inden den overgår nogen billeder til tryk, video eller grafisk billedbehandling. Derudover er fødevareallergener oplyses før testning. Deltagerne bliver bedt om før panel start, hvis de har nogen intolerance, allergi eller andre bekymringer.

Bemærk: Udelukkelse Kriterier: Automatiseret ansigtsudtryk analyse er følsom over for tykke indrammet briller, stærkt skæggede ansigter og hudfarve. Deltagere, der har disse kriterier er uforenelige med software analyse på grund af en øget risiko for fejlslagne videoer. Dette tilskrives softwaren manglende evne til at finde ansigtet.

1. Prøveforberedelse og Deltager Rekruttering

  1. Forbered drikkevare eller blødfødevareprøver.
    1. Forbered intensiveret mejeriprodukter løsninger ved hjælp af 2% mælk og foreslåede smagsoplevelser fra Costello og Clark (2009) 22 samt andre varianter. Forbered følgende løsninger: (1) unflavored mælk (2% fedtfattig mælk); (2) unflavored vand (drikkevand); (3) vanille ekstrakt smag i mælk (0,02 g / ml) (efterligning klar vaniljesmag); og (4) salt smag i mælk (0,004 g / ml salt tilsat jod).
      Bemærk: Disse løsninger anvendes kun til demonstration.
    2. Hæld halvdelen ounce portioner (~ 15 g) af hver opløsning i 2 ounce gennemsigtig plast prøve kopper og kasket med farvekodede låg.
      Bemærk: Det anbefales at bruge gennemsigtige kopper; men det er op til forskeren skøn.
  2. Rekrutter deltagere fra campus eller det lokale samfund til at deltage i undersøgelsen.
    Bemærk: Deltager stikprøvestørrelse behov for en undersøgelse er op til skøn forskeren. Vi anbefaler en række på 10 til 50 deltagere. Opnå menneske samtykke forud for deltagelse i undersøgelsen.

2. Udarbejdelse af Panel Room til videooptagelse

Bemærk: Denne protokol er for datafangst i en sensorisk bedømmelse laboratorium. Denne protokol er at gøre Afea datafangst nyttigt for en sensorisk booth indstilling.

  1. Brug individuelle kabiner med en touchscreen skærm foran dem (ansigt-niveau) for at holde deres fokus frem og for at forhindre at kigge ned.
  2. Brug justerbare højde stole med rygstøtte.
    Bemærk: Det er afgørende for at tillade deltagerne at være lodret justeres og placeres i et passende område til videooptagelse. Brug stationære stole (ingen rullende funktion) med justerbar ryghøjde support, så deltagerens bevægelser reduceres.
  3. Set ovenlyset på "100% dagslys" for optimal facial følelsesmæssige videooptagelse (Lyskilde 6504K, R = 206, G = 242; B = 255).
    Bemærk: For at undgå intens shadowing, diffus frontal belysning er ideal mens lysintensiteten eller farve er ikke så relevant 20. I sidste ende er det op til skøn forskeren, individuel protokol / metode og miljø til at styre belysning til fange.
  4. Anbringe en justerbar kamera over touchscreen skærm til optagelse.
    1. Brug et kamera med en opløsning på mindst 640 x 480 pixel (eller højere) 20. Diskuter den krævede kamera kapaciteter med softwaren udbyder, før køb og installation 20. Bemærk: Billedformatet er ikke vigtigt 20.
    2. Indstil kamera capture hastighed til 30 frames per sekund (eller anden standard hastighed) for konsistens.
    3. Tilslut og sikre mediernes optagelse software er sat op til kameraet for at optage og gemme deltager videoer.

3. Deltager Tilpasning og Verbal Kørselsvejledning

  1. Kun have en deltager ad gangen evaluere prøverne i den sensoriske booth.
    Bemærk: Test mere enden deltager på samme tid kan interferere med testmiljø og forstyrre koncentrationen af ​​deltageren eller oprette bias.
  2. Ved ankomsten, give deltagerne verbale instruktioner om processen og standardprocedurer.
    1. Har deltagerne sidder lige op og mod bagsiden af ​​stolen.
    2. Juster stolen højde, position af stolen (afstand fra kameraet), og kamera vinkel, så deltagerens ansigt er fanget i midten af ​​videooptagelsen, uden skygger på hage eller omkring øjnene.
      Bemærk: I sensoriske standen, deltagerens hoved er omkring 20-24 inches væk fra kameraet og monitoren med ansigtet centreret i kameraets video feed.
    3. Instruere deltagerne at blive siddende som positioneret og fokuseret vender mod skærmens display. Derudover instruere deltagerne til at afstå fra enhver pludselige bevægelser post-prøve forbrug under 30 sek prøveperiode per prøve. Instruer deltageren til at forbruge hele drik eller flydende mad prøve og sluge.
    4. Instruer deltageren til hurtigt at flytte prøvekoppen under hagen og ned til tabellen umiddelbart efter at prøven er i munden. Dette er for at fjerne facial okklusion. Mind dem til at holde udkig mod skærmen.
      Bemærk: Prøven luftfartsselskabet udsteder prøven er op til skøn forskeren. Et sugerør eller en kop kan anvendes. Uanset, initial facial okklusion er uundgåelig, fordi ansigtet vil blive okkluderet eller forvrænget på grund af forbrug.
  3. Instruer deltageren at følge instruktionerne, som de vises på berøringsskærmen skærm. Bemærk: Instruktioner automatisk sekventeret som programmeret i automatiserede sensoriske software.

4. Individuel Deltager Proces for Video Capture

  1. Bekræft videokamera optimalt fange deltagerens ansigt, mens deltageren sidderkomfortabelt i standen (før prøve præsentation) ved at se computerskærmen, hvor videooptagelse vises. Begynd optagelsen ved at klikke på optageknappen på computerskærmen.
  2. Instruer deltagerne at nippe vand til at rense deres ganen.
  3. Tilvejebringe behandlinger én ad gangen startende med en baseline eller kontrolbehandling (unflavored vand). Identificere hver prøve ved en unik farvet kartotekskort placeret på toppen af ​​hver prøve vedrørende prøven farvekode til identifikation prøvebehandling i videoen.
    Bemærk: Programmeret vejledning om touchscreen monitor instruerer deltagerne. Instruktionerne direkte deltageren gennem en række standardiserede trin for hver behandling prøve.
  4. Via touchscreen skærm, dirigere deltager til:
    1. Hold op den tilhørende farve kartotekskort pre-forbrug for prøve identifikation i videoen.
      Bemærk: Farven kortet er en måde kan forskerne identificere behandlinger i videoen ennd markere passende tidsramme (tid nul) for prøve evaluering.
    2. Efter at have holdt kortet kortvarigt, placere kortet tilbage i skuffen.
    3. Fuldt forbruge prøven, og vent ca. 30 sekunder, tvungne gennem den programmerede vejledning på skærmen, mens vender mod kameraet.
      Bemærk: 30 sek kontrolleret sampling periode omfatter et tidsrum passende for hele evalueringen sampling periode (dvs. viser indekset kort, åbne en prøve (fjerne låget), forbrug, og følelsesmæssige capture).
    4. Indtast deres hedoniske accept score på den berøringsfølsomme skærm monitor (1 = ikke lide ekstremt, 2 = ikke lide meget, 3 = ikke lide moderat, 4 = ikke lide lidt, 5 = hverken lignende eller ikke lide, 6 = som lidt, 7 = som moderat, 8 = ligesom meget, 9 = ligesom ekstremt).
    5. Skyl munden med drikkevand, før den næste prøve processen.

5. Evaluering Automatiserede ansigtsudtryk Analysemuligheder

Bemærk: Der findes mange ansigtsudtryk analyse softwareprogrammer. Software-kommandoer og funktioner kan variere. Det er vigtigt at følge producentens brugervejledninger og reference manual 20.

  1. Gem dine optagelser i et medieformat og overføre til automatiserede ansigtsudtryk analyse software.
  2. Analyser deltager videoer ved hjælp af automatiseret ansigts analyse software.
    1. Dobbeltklik på software-ikonet på computerens skrivebord.
    2. Når programmet er åbent, skal du klikke på "File", vælg "Ny ...", og vælg "Projekt ..."
    3. I pop up vindue, navngive projektet og gemme projektet.
    4. Føj deltagere til projektet ved at klikke på "Tilføj deltagere" ikonet (person med en (+) tegn). Flere deltagere kan tilføjes ved at gentage dette trin.
    5. Tilføj deltagers video til den respektive deltager for analyse.
      1. På venstre side af skærmen på ikonet for filmrullen with et plus (+) tegnet for at tilføje en video til at analysere.
      2. Klik på "forstørrelsesglasset" under deltageren af ​​interesse at gennemse videoen for at tilføje.
  3. Analyser videoer frame-by-frame under kontinuerlig kalibrering analyse indstillinger i softwaren.
    1. Klik på ikonet blyant til at justere indstillingerne i bunden af ​​vinduet, under "indstillinger" fanen for hver deltager video.
      1. Indstil "Face Model" til General. Indstil "udglatte klassifikationer" til Ja. Indstil "Sample Rate" til Hver ramme.
      2. Indstil "Image rotation" til Nej Set "Kontinuerlig kalibrering" til Ja. Indstil "Selected kalibrering" til Ingen.
    2. Gem indstillinger projekt.
    3. Tryk på ikonet for batch analyse (den samme røde og sorte target-lignende symbol) til at analysere projektets videoer.
    4. Gem resultaterne, når analysen er afsluttet.
      Bemærk: Der findes andre videoindstillinger i softwaren, hvis researchfirmaernehendes præference berettiger en anden analysemetode.
    5. Overvej videoer fiaskoer, hvis alvorlige ansigts tilstopninger eller manglende evne til at kortlægge ansigtet fortsætter under den specificerede vindue post-forbrug (figur 1). Desuden, hvis modellen ikke data vil sige "FIT_FAILED" eller "FIND_FAILED" i de eksporterede output filer (Figur 2). Dette repræsenterer mistede data, da softwaren ikke kan klassificere eller analysere deltagerens følelser.
      Bemærk: Afea oversætter facial muskel bevægelse til neutral, glad, væmmes, trist, vred, overrasket og bange på en skala fra 0 (ikke udtrykt) til 1 (fuldt udtryk) for hver følelser.
  4. Eksporter Afea data output som logfiler (.txt) til yderligere analyse.
    1. Når analyserne er færdige, eksportere hele projektet.
      1. Klik på "File", "Export", "Export Project Results".
      2. Når et vindue åbnes, skal du vælge det sted, hvor eksporten should gemmes og gemme logfiler (.txt) til en mappe.
      3. Konverter hver deltager log liv til en data regneark (.csv eller .xlsx) til at udtrække relevante data.
        1. Open data regneark og vælg "Data" fanen.
        2. På fanen "Data", i "Hent eksterne data" gruppe, skal du klikke på "Fra tekst".
        3. I "adresselinjen", lokalisere, dobbeltklikke på deltageren tekstfil til at importere, og følg guiden skærmen instruktioner.
        4. Fortsæt eksport processen for alle relevante deltagers filer.

6. Tidsstempel Deltager Videoer til Data Analysis

  1. Ved hjælp af Afea software, manuelt gennemgå hver deltagers video og identificere post-forbrug tid nul for hver prøve. Optag tidsstemplet i en data regneark. Post-forbrug defineres når prøvekoppen er under deltagerens hage og ikke længere ocfatter ansigtet.
    Bemærk: Placeringen af ​​tidsstemplet er kritisk for evaluering. Det punkt, hvor koppen ikke længere okkluderer ansigtet er den optimale indstilling og tidsstempler brug for at være konsekvent for alle deltagere.
  2. Gem tidsstempel data regneark (.csv) som en reference for at udtrække relevante data fra videoer.
    Bemærk: Deltager videoer kan også kodes internt i softwaren som "Event Marking".

7. Tid Series Følelsesmæssig Analysis

Bemærk: Betragt "baseline" for at være kontrollen (dvs. unflavored vand i dette eksempel). Forskeren har evnen til at skabe en anderledes "baseline behandling stimulus" eller en "baseline tid uden stimulus" for parret sammenligning afhængig af hensyn til efterforskningen. Den foreslåede metode udgør en "default" tilstand ved hjælp af en parret statistisk test. Med andre ord, den procedure anvender statistisk blokering (dvs.en parret test) for at justere for standard udseende hver enkelt deltager og reducerer derfor variabilitet tværs deltagere.

  1. Uddrag relevante data fra de eksporterede filer (.csv eller .xlsx).
    1. Identificer en tidsramme relevante for undersøgelsen evaluering (sekunder).
    2. Manuelt udtrække respektive data (tid frame) fra de eksporterede deltagende filer rådgivning deltageren tidsstempel (tid nul).
    3. Compile hver deltagers behandlingsdata (deltager nummer, behandling, originale video tid, og følelser respons) pr følelser (glad, neutral, trist, vred, overrasket, bange, og væmmes) for at vælge tidsramme (sekunder) i en ny data regneark til fremtidig analyse (figur 3).
    4. Fortsæt denne proces for alle deltagere.
  2. Identificer den tilsvarende tid nul fra tidsstemplet fil for hver deltager-behandling pair og justere video tid til en sand tid "0" for direkte sammenligning ( figur 5).
    Bemærk: Deltager data indsamles i en kontinuerlig video derfor hver behandling "tid nul" er anderledes (dvs. unflavored vand video tiden nul er 02: 13,5 og unflavored mælk video tiden nul er 03: 15,4). I figur 4 På grund af de forskellige behandling "time nuller", video gange skal justeres, og udrettet til at starte på "0: 00.0" eller anden standard starttid, for direkte tid sammenligning af behandling følelsesmæssig respons data.
  3. For hver deltager, følelser, og justerede tidspunkt, udtrække den parrede behandling (f.eks unflavored mælk) og kontrol behandling (f.eks, unflavored vand) kvantitativ følelsesmæssig score. Med andre ord, tilslutter en deltagers behandling og kontrol tidsserier af svar for hver følelser (figur 5).
  4. Compile alle deltagerens oplysninger (deltager, justeret tid, og parret behandling(F.eks unflavored vand og unflavored mælk) ved hvert tidspunkt (figur 6).
    Bemærk: Trinene nedenfor viser trinene for en parret Wilcox test i hånden. De fleste dataanalyse software programmer vil gøre dette automatisk. Det anbefales at drøfte den statistiske analyse processen med en statistiker.
  5. Når prøverne er nulstillet og på linje med nye justerede video gange, sammenligne direkte mellem de følelsesmæssige resultater af en respektiv prøve og kontrol (unflavored vand) ved hjælp af sekventielle parret parametrisk Wilcoxon test tværs af deltagerne (figur 7).
    Bemærk: Den nye tid tilpasning af prøverne vil give mulighed for direkte sammenligning inden for 5 sekunder efter forbrug tidsramme. Hvis en parret observation ikke er til stede i en behandling, drop deltageren fra det tidspunkt sammenligning.
    1. Beregn forskellen mellem kontrollen og den pågældende prøve for hver parvis sammenligning ved hjælp af data spreadsheet management software.
      Bemærk: Sammenligningen vil være afhængig af billedhastigheden udvalgt til følelsesmæssig analyse i softwaren. Protokollen demonstrerer 30 individuelle sammenligninger per sekund i 5 sekunder (valgte tidsramme).
      Bemærk: Brug figur 7 som en reference for søjler og trin.
      1. Fratræk værdien af mælk (f.eks unflavored mælk) fra værdien af kontrollen (f.eks unflavored vand) for at bestemme forskellen. I data regneark management software i en ny kolonne med titlen "Behandling Difference", indtast "= (C2) - (D2)", hvor "C2" er kontrol- emotionelle værdier og "D2" er de valgte behandling emotionelle værdier. Fortsæt denne proces for alle tidspunkter.
      2. Beregn den absolutte værdi af behandlingsforskel. I data regneark management software i en ny kolonne, skal du indtaste "= ABS (E2)", hvor "E2" er behandling Forskel. Fortsæt denne proces foralle tidspunkter.
      3. Bestem rangordenen af ​​behandlingen forskel. I data regneark management software i en ny kolonne, skal du indtaste "= RANK (G2, $ G $ 2: $ G $ 25, 1)" hvor "G2" er den absolutte forskel og "1" er "stigende". Fortsæt denne proces for alle tidspunkter.
      4. Bestem den underskrevne rang af rangordenen på regnearket. Skift tegn til negativ, hvis behandlingen forskel var negativ (kolonne I).
      5. Beregn den positive sum (= SUM.HVIS (I2: I25, "> 0", I2: I25) og negative sum = SUM.HVIS (I2: I25, "<0", I2: I25) af rang værdier.
      6. Bestem teststørrelsen. Testen statistik er den absolutte værdi lavere beløb.
      7. Rådfør statistiske tabeller for Wilcoxon Signed Klassificeret Test Statistik ved hjælp af antallet af observationer inkluderet på den specifikke tid og en udvalgt alpha værdi for at bestemme den kritiske værdi.
      8. Hvis statistiske resultat er mindre end den kritiske værdi afvise than nulhypotesen. Hvis det er større, acceptere nulhypotesen.
  6. Tegn de resultater på den tilhørende behandling grafen (dvs. unflavored mælk i forhold til unflavored vand) for de tidspunkter, hvor nulhypotesen afvises. Bruger tegnet af forskellen at afgøre, hvilken behandling har større følelser (figur 8).
    1. I data regneark management software, skal du oprette en graf ved hjælp af værdierne af tilstedeværelse eller fravær af betydning.
      1. Klik på "Indsæt" fanen.
      2. Vælg "Line"
      3. Højreklik på grafen kassen.
      4. Klik på "vælg data" og følg skærmen for at vælge og graf relevante data (Figur 8).
        Bemærk: Graferne vil skildre følelsesmæssige resultater, hvor prøven eller kontrol er højere og væsentlig. Graph afhængig, den følelse er højere ved den specifikke tidspunkt tillader evnen til at skelne, hvordan deltagernes følelserudvikle sig i løbet af 5 sekunder perioden mellem to prøver.
        Bemærk: Statistisk støtte med en statistiker anbefales stærkt at udtrække relevante data. Udvikling af statistiske kodning er nødvendig for at analysere følelsesmæssige resultater.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Metoden foreslår en standard protokol for Afea dataindsamling. Hvis følges foreslåede protokol trin, ubrugelig følelsesmæssig data output (figur 1) som følge af dårlig dataindsamling (Figur 2: A; Venstre Picture) kan være begrænset. Tidsserieanalyse ikke kan udnyttes, hvis logfiler (.txt) overvejende indeholde "FIT_FAILED" og "FIND_FAILED", da dette er dårlige data (Figur 1). Endvidere indbefatter fremgangsmåden en protokol til direkte statistisk sammenligning mellem to behandlinger af følelsesmæssig data output over en tidsramme for at etablere en følelsesmæssig profil. Tidsserieanalyse kan give følelsesmæssige tendenser over tid og kan give en merværdi dimension til hedoniske acceptkriterier resultater. Derudover kan tidsserieanalyse vise ændringer i følelsesmæssige niveauer over tid, hvilket er værdifuldt under spiseforstyrrelser erfaringer.

(figur 9). Hedoniske resultater udlede, at der ikke var nogen acceptkriterier forskelle mellem unflavored mælk, unflavored vand og vanille ekstrakt smag i mælk. Men Afea tidsserie analyse viste, unflavored mælk genereret mindre væmmes (p <0,025; 0 sek), overraskede (p <0,025; 0-2,0 sek), mindre trist (p <0,025; 2,0-2,5 sek) og mindre neutral (p <0,025; ~ 3,0-3,5 sek) responser end gjorde unflavored vand (figur 10). Derudover vanille ekstrakt smag i mælk indført flere glade udtryk lige før 5,0 sekunder (p <0,025) og mindre sad (p <0,025; 2,0-3,0 og 5,0 sek) end unflavored vand (figur 11). Vanilla, som en lugt, har været forbundet med udtrykkene "afslappet", "fredfyldte", "beroligede", "lykke", &# 34;. Trivsel "," glædeligt overrasket "23 og" behageligt "24 Salty smag i mælk havde lavere (p <0,05) betyder hedoniske acceptkriterier scores (uglesete moderat) (figur 9) og salt smag i mælk genereret mere afsky (p <0,025) senere (3,0-5,0 sek) end unflavored vand (figur 12). Intens salt er blevet forbundet med afsky og overraskede 25, 26. nogle undersøgelser har dog oplyst, at salt smag ikke fremkalde facial svar 7, 27 -29.

figur 1
Figur 1. Eksempel på suboptimal datafangst grund deltager uforenelighed med Afea software resulterer i tab af rå følelsesmæssige data respons punkter i de eksporterede output filer [FIT_FAILED; FIND_FAILED]. Video fejl opstår, når alvorlige ansigts tilstopninger eller manglende evne til at kortlægge ansigtet Persi m under det angivne vindue efter forbrug. Klik her for at se en større version af dette tal.

Figur 2
Figur 2. Eksempel på capture suboptimal data på grund af deltager software modellering. Figuren præsenterer suboptimal datafangst grund deltager software modellering uforenelighed og svigt af ansigt mapping til at bestemme følelsesmæssig reaktion (A). Eksempel på vellykket pasform modellering og evne til at indfange deltagerens følelsesmæssig reaktion (B). Klik her for at se en større version af dette tal.

6fig3.jpg "/>
Figur 3. Eksempel på udtrukne deltager data indsamlet i en ny data regneark. Deltager data (deltager nummer, behandling, originale video tid og følelser respons) identificeres pr følelser (glad, neutral, trist, vred, overrasket, bange, og væmmes ) for at vælge tidsramme (sekunder). Dette regneark udnyttes til efterfølgende analyser. Klik her for at se en større version af dette tal.

Figur 4
Figur 4. Eksempel på udtrukne deltager data indsamlet til efterfølgende analyse. De udtrukne deltagende data (A1 og B1) er kompileret (A2 og B2), tegnes (A3 og B3) og tilpasset (A4 og B4) som en visuel for direkte sammenligning. RESpective tid nul for kontrol (A4: Overrasket unflavored Vand) og behandling (B4: Overrasket unflavored Milk) vises til sammenligning de overraskede følelsesmæssige resultater. Dette eksempel repræsenterer og identificerer den tilsvarende tid nul fra tidsstemplet fil for hver deltager-behandling par. Klik her for at se en større version af dette tal.

Figur 5
.. Figur 5. Eksempel på udtrukne deltager data med justeret tidsramme Den udvundne Deltageren data præsenteres med justerede tidsramme med en sand "tid nul" (A1 og B1) Justeringen tid giver mulighed for direkte sammenligning mellem en kontrol (A: Overrasket unflavored vand) og en behandling (B2: Overrasket Unfla vored Milk) (A2 og B2). Dette eksempel repræsenterer og identificerer den tilsvarende sande "tid nul" (korrigeret) fra tidsstemplet fil for hver deltager-behandling par. Klik her for at se en større version af dette tal.

Figur 6
Figur 6. Eksempel på processen til udarbejdelse alle deltagernes data. Deltageren, justeret tid, og parret behandling (f.eks, unflavored vand og unflavored mælk) ved hvert tidspunkt er kompileret til at forberede til statistisk analyse. Klik her for et større version af denne figur.

es / ftp_upload / 54.046 / 54046fig7.jpg "/>
Figur 7. data regneark eksempel sammenligner en kontrol (unflavored vand) og en behandling (unflavored Milk) ved hjælp af Wilcoxon test tværs deltagere på et bestemt tidspunkt. Figuren viser direkte sammenligning mellem de følelsesmæssige resultater af en respektiv prøve og kontrol (unflavored vand ) ved hjælp af sekventiel parret parametriske Wilcoxon test tværs af deltagerne. klik her for at se en større version af dette tal.

Figur 8
Figur 8. Eksempel på data regnearket til at tegne de resultater, hvis (p <0,025) på den tilhørende behandling grafen (dvs. unflavored mælk i forhold til unflavored vand). Resultater af sekventiel parret parametriske Wilcoxon test over DELTAGERENTS tegnes for de tidspunkter, hvor nulhypotesen afvises. Klik her for at se en større version af dette tal.

Figur 9
Figur 9. Mean acceptabilitet (hedoniske) snesevis af unflavored vand, unflavored mælk, vanille ekstrakt smag i mælk og salt smag i mælk drik løsninger. Accept var baseret på en 9-punkts hedoniske skala (1 = ikke lide ekstremt, 5 = hverken lide eller modvilje, 9 = som ekstremt, middelværdi +/- SD) 1. Behandling betyder med forskellige hævede signifikant forskellige i smag (p <0,05). Unflavored mælk, unflavored vand og vanille ekstrakt smag i mælk var ikke forskellige (p> 0,05) i gennemsnitlige accept scoringer og blev bedømt som "ønsket lidt". Salt smag i mælk havde en lavere (p <0,05) betyder acceptkriterier scores (ikke lide moderat). Klik her for at se en større version af dette tal.

Figur 10
Figur 10. tidsserier grafer af klassificerede følelser på automatiserede ansigtsudtryk analysedata end 5,0 sekunder sammenligner unflavored mælk og unflavored vand. Baseret på sekventielle parrede parametriske Wilcoxon test mellem unflavored mælk og unflavored vand (baseline), er resultaterne plottes på den respektive behandling graf hvis behandlingen medianen er større og større signifikans (p <0,025) for hver følelser. Tilstedeværelse af en linje indikerer en signifikant forskel (p <0,025) på det pågældende tidspunkt, hvis medianen er højere, mens fravær af en linje indikerer ingen forskel på et bestemt tidspunkt (p> 0,025). Fraværaf linjer i unflavored mælk (A) afslører ingen følelsesmæssig kategorisering sammenlignet med unflavored vand (p <0,025) i løbet af 5,0 sekunder. I unflavored vand (B), følelsesmæssige resultater i forhold til unflavored mælk afsløre væmmes (crimson linje) ved 0 sek, overrasket (orange linje) forekommer på 0 - 1,5 sek, trist (grøn linje) opstår omkring 2,5 sek, og neutral (rød linje) opstår omkring 3 -. 3,5 sek (p <0,025) klik her for at se en større version af dette tal.

Figur 11
Figur 11. tidsserier grafer af klassificerede følelser baseret på automatiserede ansigtsudtryk analyse data over 5,0 sekunder sammenligner vanille ekstrakt smag i mælk og unflavored vand (baseline). Baseret på sekventiel parret parametriske Wilcoxon test mellemvanille ekstrakt smag i mælk og unflavored vand, er resultater afbildet på de respektive behandling grafen, hvis behandling medianen er større og større betydning (p <0,025) for hver følelser. Tilstedeværelse af en linje indikerer en signifikant forskel (p <0,025) på det pågældende tidspunkt, hvis medianen er højere, mens fravær af en linje indikerer ingen forskel på et bestemt tidspunkt (p> 0,025). Vanille ekstrakt smag i mælk (A) viser glad lige før 5 sek (blå linje), mens unflavored vand (B) viser mere trist omkring 2 - 2,5 og 5 sek (grøn linje) (p <0,025). Klik her for et større version af denne figur.

Figur 12
Figur 12. tidsserier grafer af klassificerede følelser baseret på automatiserede facial expression analysedata end 5,0 sekunder sammenligner salt smag i mælk og unflavored vand. Baseret på sekventielle parrede parametriske Wilcoxon test mellem salt smag i mælk og unflavored vand (baseline), er resultaterne plottes på den respektive behandling grafen, hvis behandling medianen er større og større signifikans (p <0,025) for hver følelser. Tilstedeværelse af en linje indikerer en signifikant forskel (p <0,025) på det pågældende tidspunkt, hvis medianen er højere, mens fravær af en linje indikerer ingen forskel på et bestemt tidspunkt (p> 0,025). Salty smag i mælk (A) har en betydelig afsky fra 3 - 5 sekunder (crimson linje), mens unflavored vand (B) har afsky i starten (Crimson linje) og mere neutral fra 2 - 5 sekunder (rød linje) (p <0,025 ). klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Afea ansøgning i litteraturen relateret til mad og drikke er meget begrænset 1-11. Ansøgningen til fødevarer er nyt, hvilket skaber mulighed for etablering af metodologi og data fortolkning. Arnade (2013) 7 fundet høj individuel variation blandt individuelle følelsesmæssige respons på kakaomælk og hvid mælk ved hjælp areal under kurven analyse og analyse af varians. Men selv med deltageren variabilitet, deltagerne genererede en glad reaktion længere mens trist og væmmes havde kortere tid respons 7. I en separat undersøgelse med høje og lave koncentrationer af grundsmage, Arnade (2013) 7, fandt, at forskellene i følelsesmæssig reaktion blandt grundsmage samt mellem to niveauer af grundlæggende smag intensiteter (høj og lav intensitet), ikke var så betydelig som forventet, og dermed spørgsmålstegn ved rigtigheden af ​​aktuelle Afea metode og dataanalyse. Sensorisk evaluering af fødevarer og drikkevarer er en kompleks og dynamic respons proces 30. Temporal ændringer kan forekomme i hele oral behandling og synke dermed potentielt påvirke accepten af de stimuli over tid 30. Af denne grund kan det fordelagtigt at måle evaluator respons gennem hele spiseforstyrrelser oplevelse. Specifikke orale behandlingstider er blevet foreslået (indledende kontakt med tungen, tygning, synkning, etc.) 31, men ingen er standardiseret og tidspunkter er i høj grad afhængig af projektet og forskerens skøn 30.

Den foreslåede følelsesmæssige tidsserie analyse var i stand til at opdage følelsesmæssige ændringer og statistiske forskelle mellem kontrol (unflavored vand) og de respektive behandlinger. Desuden kan følelsesmæssige profiler forbundet med accepten støtte i foregribe adfærd relateret til fødevarer og drikkevarer. Resultaterne viser, at skelnes tid eksisterer serien tendenser med Afea relateret til smag i mælk (figur 10 11, og 12). De tidsserieanalyse hjælper differentiere mad accept på tværs af en befolkning ved at integrere karakteriserede følelser (figur 10, 11, og 12) samt støtte hedoniske acceptkriterier tendenser (figur 9). Leitch et al. 8 observerede forskelle mellem sødemidler og vandet baseline ved hjælp tidsserie analyse (5 sek), og fandt også, at anvendelsen af tidsserier grafer fastsat bedre fortolkning af data og resultater. Desuden kan følelsesmæssige ændringer observeres tid og følelsesmæssige respons behandlingsforskelle kan bestemmes på forskellige tidspunkter eller intervaller i løbet. For eksempel Leitch et al. 8. observeret, at den fremgangsmåde følelser (vrede, glade og overrasket) blev observeret mellem de kunstige sødemiddel vand sammenligninger, men blev observeret på forskellige tidspunkter i løbet af 5 sek observation vindue. Imidlertid,Leitch et al. 8 ikke etablere retningsbestemmelse af udtryk, hvilket gør det vanskeligt at forstå den følelsesmæssige forskel mellem kontrolgruppen (vand) og behandling (usødet te) ved hjælp af deres grafiske fortolkning og præsentation. Den modificerede og forbedrede tidsserieanalyse metode præsenteres i vores undersøgelse giver mulighed for statistisk forskel retningsbestemmelse. Retningen og resultater plotte tillader forskerne at visualisere, hvor statistisk relevante følelsesmæssige ændringer sker over den valgte tidsramme.

Reduktion video analyse fiaskoer er afgørende for at opnå valide data og effektivt ved hjælp tid og personalemæssige ressourcer. Kritiske trin og fejlfindingstrin i protokollen omfatter optimering deltageren sensoriske miljø (belysning, video kameravinkel, stol højde, grundige deltager vejledning vejledning, etc.). Desuden bør deltagerne screenes og udelukkes, hvis de falder ind i en software incompatibility kategori (dvs. tyk indrammet briller, stærkt skæggede ansigter og hudfarve) (figur 2). Disse faktorer vil påvirke Afea fit modellering, følelsesmæssig kategorisering, og data output. Hvis en betydelig del af en deltagers data output består af "FIT_FAILED" og "FIND_FAILED", bør data reevalueres for optagelse i tidsserien analyse (figur 1). Tidsserieanalyse ikke kan udnyttes, hvis data output logfiler overvejende indeholde "FIT_FAILED" og "FIND_FAILED", da dette er dårlige data (figur 1). Shadowing i ansigtet på grund af belysning indstillinger kan alvorligt hæmme videooptagelse kvalitet, hvilket resulterer i dårlig videosamling. For at undgå intens shadowing, diffus frontal belysning er ideel, mens lysintensiteten eller farve er ikke så relevant 20. Intens ovenlys bør reduceres, da det kan fremme skygger på ansigtet 20. En mørk baggrund bagdeltager anbefales 20. Det foreslås fra Afea softwareproducenten for at placere opsætningen foran et vindue for at få diffuse dagslys belysning 20. Også, hvis du bruger en computerskærm, to lys kan placeres på begge sider af brugerens ansigt til belysning og skygge reduktion på 20. Derudover kan professionelle foto lys bruges til at modvirke uønsket miljø belysning 20. I sidste ende er det op til skøn forskeren, individuel protokol / metode og miljø til at styre belysning til fange. Det anbefales at diskutere dataregistrering miljøet og værktøjer med software udbyder, før køb og installation. Endvidere stol højde og kameravinkel er vigtigt at justere individuelt for hver deltager. Deltageren skal være bekvemt, men i en højde, hvor kameraet er lige i ansigtet. Et forsøg på at reducere kameravinklen på ansigtet tilskyndes til optimering af AFEA videooptagelse. Endelig er det absolut nødvendigt at give verbale instrukser til deltagerne forud for prøvetagning. Deltager opførsel under videooptagelse kan begrænse dataindsamlingen grund ansigtet okklusion, bevægelser, og kamera unddragelse.

For deltager stikprøvestørrelse nødvendige for en undersøgelse, forfatterne anbefale en række på 10 til 50 deltagere. Selv et lille antal vil give næsten ingen statistisk styrke, er der behov for mindst 2 deltagere generelt for tidsrækker analyse. Deltager variabilitet er høj, og i de tidlige stadier af denne forskning er der ingen vejledning til at tilbyde med stikprøvestørrelsen. Prøvestørrelse vil variere afhængigt af varianter, smagsintensitet, og forventet behandling accept. Prøver med mindre smag forskelle vil kræve flere deltagere. Den 30 sekunder kontrolleret sampling periode omfatter et tidsrum tilstrækkelig for hele prøvetagning evalueringsperioden (dvs. viser indekset kort, åbne en prøve (fjerne låget), forbrugtion, og følelsesmæssige capture). Hele 30 sekunder bruges ikke i dataanalyse. Fordelen ved dette udpegede 30 sekunder capture tid er, at forskeren kan bestemme den relevante evaluering tid til at blive anvendt i dataanalyse. Den 30 sekunder tidsvindue kan hjælpe med at vælge en tidsramme af interesse i løbet af en video prøve mens kodning eller tidsstempling videoer. I sidste ende er tidsvindue er op til skøn forskeren. I vores eksempel, brugte vi 5 sek vinduet sampling post-forbrug. Den foreliggende metode definerer tiden nul, når prøven cup ikke længere okkluderer ansigtet (kop ad hagen). Det er kritisk vigtigt at mindske tiden mellem forbrug og prøve cup facial okklusion på grund af korte og skiftende følelser. Grundet prøvekop facial okklusion den oprindelige tid, hvor prøven kommer i kontakt med tungen er upålidelige data (se figur 1). Derfor det punkt, hvor koppen ikke længere okkluderer ansigtet er den optimale recommendation. Tidsstempler nødt til at være konsekvent for alle deltagere. Farven kortet er en bekvem måde for forskerne at identificere behandlinger i videoen og markere passende tidsramme (tid nul) for prøve evaluering. Farven kort er især nyttigt, hvis behandlinger er i vilkårlig rækkefølge og tjene som en ekstra validering af prøveidentifikation i den kontinuerlige video.

Begrænsninger af denne teknik findes som deltagere kan ikke følge retninger eller uundgåelig skygger på deltagerens ansigt kan forårsage ansigt fit model fiaskoer (figur 2). Men de foreslåede kritiske trin tilbyde måder at afbøde og reducere disse interferenser. Derudover vil tidsserieanalyse ikke læse eksporteret logfiler med filer overvejende indeholder "FIT_FAILED" og "FIND_FAILED" (figur 1). Disse fil kan ikke reddes og vil ikke være i stand til at indgå i tidsrækkeanalyse. Også forbruget af fødevarer og BeveraGES stadig kan ændre facial struktur på en sådan måde at fordreje den følelsesmæssige kategorisering. Hårde eller sej fødevarer kræver omfattende kæbe bevægelse. Anvendelse af et sugerør og tilhørende sutter, forårsager også facial okklusion (halm) og fordrejer ansigtet (sugende). Denne observation er baseret på foreløbige data fra vores laboratorium forskning. Softwaren facial model kan ikke skelne forskellene mellem tygge (eller sutte) og motoriske udtryk forbundet med følelsesmæssig kategorisering. Med mad og drikke prøver, mulighed for ansigtet okklusion er højere end for se videoer og billeder. Deltagerne skal medbringe prøven til ansigt og fjern beholderen fra ansigtet og dermed afbryde software modellen og potentielt reducere værdifulde følelsesmæssig information (se figur 1). Som tidligere nævnt, følelser ske hurtigt og i en kort varighed. Det er vigtigt at reducere facial okklusion i et forsøg på at fange følelser. Den foreslåede methodolnologi gør behandling sammenligninger på en tredivtedel af et sekund for at finde ændringer i følelsesmæssige mønstre og ændringer i følelsesmæssig varighed på tværs af tid. Med den foreslåede metode, mønstre af følelsesmæssig levetid er vigtige. Desværre, kan følelsesmæssige kategorisering opstår problemer. Mest bemærkelsesværdigt er der et problem kategorisere glad og afsky 6, 9, 32, 33, 34. Ofte skyldes det deltagerne maskering deres afsky eller overrasket følelse ved at smile 6, 32, 33, 34, som kan skyldes en "social display reglen "32. Endvidere er Afea software begrænset til syv følelsesmæssige kategorier (neutrale, glade, triste, bange, overrasket, vred og væmmes). Følelsesmæssig reaktion på fødevarer og drikkevarer kan være mere kompliceret end den nuværende Afea klassifikation af universelle følelser og kategorisering kan være anderledes som reaktion på en fødevare eller drik stimuli. Manuel kodning hjælp FACS er blevet anvendt på gustofacial og olfactofacial reaktioner af grundsmage oget sortiment af lugte og syntes at være følsom nok til at afsløre behandling forskelle i forhold til AUS 32. FACS er trættende og meget tidskrævende, men den tidsmæssige anvendelse af fravær eller nærvær af Aus være nyttigt at bistå med komplekse reaktioner, der Afea ikke kunne klassificere korrekt, eller hvis følelsesmæssige resultater er uventede. Mens tidsserier data giver mulighed for facial klassifikationer at forekomme samtidigt og med betydelig udtryk, bør der udvises forsigtighed med oversætte resultater i en enkelt følelse på grund af følelsesmæssige kompleksitet.

Den foreslåede metode og dataanalyse teknik kan anvendes på andre drikkevarer og bløde fødevarer. Afea software var i stand til at identificere følelser til aromatiseret og unflavored prøver. Den foreslåede metode og tidsmæssige analyse kan hjælpe med at karakterisere implicitte svar hvilket giver nye fremskridt i følelsesmæssige reaktioner og adfærd i en befolkning vedrørende levnedsmidler. Fremtidige anvendelser af ther teknik kan ekspandere til andre drikkevarer kategorier eller bløde fødevarer. Vi har vist, metode til at opnå videooptagelse for følelsesmæssig reaktion og dataanalyse metodologi. Vi vil skabe en standard tilgang til både følelsesmæssig Afea opsamling og følelsesmæssig tidsserie analyse. Fremgangsmåden tilgang har haft succes i vores forskning. Vi håber at udvide og anvende denne metode til evaluering af følelsesmæssig reaktion på fødevarer og drikkevarer og forholdet til valg og adfærd.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
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

DOWNLOAD MATERIALS LIST

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]. 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).
Protokol for Dataindsamling og analyse Anvendt til Automatiseret Facial Expression Analyse Teknologi og Temporal Analyse for Sanse Evaluering
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

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).More

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).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter