CN102222164A - 一种食品感官质量评价方法及*** - Google Patents

Abstract

本发明提供一种食品感官质量评价方法及***，该方法包括：解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取该食品理化参数空间；利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；利用信息融合技术对感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。本发明可以提高食品感官质量评价的客观性和精确性。

Description

一种食品感官质量评价方法及***

技术领域

本发明涉及食品质量研究领域，尤其涉及一种食品感官质量评价方法及***。

背景技术

食品感官研究最早可追溯到20世纪40年代，美国陆军以***化的方式收集士兵对食品接受程度的数据，进而决定供应的补给食品，这使得许多科学家开始思索如何收集人们对食品的感官反应以及形成这些反应的生理现象。在以后的几十年中，随着食品工业以及各种学科的发展，感官分析技术不断地吸纳新学科、新技术的成果。感官分析技术也由给人主观印象的感官检查或感官评鉴(sensory evaluation)发展为被广泛认同的一种客观分析方法-感官分析(sensory analysis)。食品感官分析技术在产品研发、质量控制、风味营销和质量安全监督检验等方面发挥着重要的作用，感官分析已迅速成为现代食品科学技术及食品产业发展的重要技术支撑之一。

然而，目前食品感官质量评价技术仍存在不够科学化、评价结果不够客观精确的问题，我国的产品标准中关于感官质量要求大多局限于定性描述的水平，难以保证评价的客观性和精确性。近年，相关的感官品质研究工作已有开展。文献分析发现，研究成果主要集中在两个方面，一是针对食品的感官特性、化学特性和物理特性三个方面的相互关联、相互解释，尤其是对一些我国的传统食品，如白酒、茶叶、馒头、米饭等的感官评价与仪器数据的相关性所进行的不同程度的研究方面，如专利申请号200510042472.4，配方产品理化数据与感官指标相关性分析的方法，杨宁等在提出的相关性分析方法基于支撑向量机的阶梯分析法，试图实现生产现场的理化数据实测值与感官指标之间相关程度的测算；类似研究还有专利申请号200510042132.1，基于信息扩散近似推理实现配方产品的感官指标相关性分析方法。二是针对某类特定产品提出的感官特性预测模型，此类模型的思路大致相同，基本上在相关性基础上采用一种特定的智能算法作为实现预测的工具，如专利申请号00129435.0，建立卷烟感官质量评价的模糊-神经网络专家***的方法、专利申请号200810034916.3，基于BP神经网络预测熏煮香肠质构感官评定的方法、专利申请号03111893.3，卷烟感官评吸和烟气指标的神经网络预测方法、专利申请号200510042471.X，基于M5’模型树实现配方产品的感官指标预测方法、专利申请号200810209605.6，卷烟感官评吸和烟气指标的免疫神经网络预测方法、和专利申请号201010130819.1，一种基于BP神经网络预测发酵酸乳感官评定方法。这些研究在一定程度了取得了进步，但仍未形成***、通用的食品感官质量评价技术。

发明内容

本发明实施例提供一种食品感官质量评价方法及***，以提高食品感官质量评价技术的客观性和精确性。

一方面，本发明实施例提供了一种食品感官质量评价方法，所述方法包括：解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

另一方面，本发明实施例提供了一种食品感官质量评价***，所述***包括：感官获取单元，用于解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；仪器获取单元，用于利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；智能感官获取单元，用于利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；质量评价单元，用于利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

上述技术方案具有如下有益效果：本发明提出一种综合评价产品感官质量的技术方案，即将应用感官分析技术、现代仪器分析技术、智能感官分析技术采集的几种原本离散的实验结果通过数据挖掘与融合技术结合起来，从多个角度建立产品感官质量评价***，直接实现了专家经验性的评价结果与仪器精准的测试数据对接，从定性、半定量和定量全面定位产品感官特征，增加了评价结果的客观性和精确性。另外，本技术思路以所有产品为对象，通用性和借鉴性较高；总之，本发明不仅在提高食品感官质量评价技术的客观性和精确性方面有显著的贡献，同时，为所有食品的感官评价技术提供了***通用的评价***。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种食品感官质量评价方法流程图；

图2为本发明实施例一种食品感官质量评价***结构示意图；

图3为本发明应用实例多维空间融合的感官质量评价技术构思示意图；

图4为本发明应用实例建立龙井茶感官品质指标体系及技术总路线示意图；

图5为本发明应用实例通过电子舌的检测，得到茶叶滋味成分的响应图；

图6为本发明应用实例通过响应图谱分析特征响应点的信号图；

图7为本发明应用实例不同产地茶叶主成分的得分示意图；

图8为本发明应用实例聚类分析结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明是集成感官分析技术、现代仪器分析技术、智能感官分析技术和数据挖掘与融合技术，建立产品感官质量多维空间融合的评价***。其目的是：在传统感官质量评价偏主观的技术方法(通常为依赖于人的感官评价)中，增加对与感官质量指标相关联的理化指标及智能感官指标的客观测量，从定性、半定量、定量不同层面全面表征产品的感官质量，提高产品感官质量评价的客观性和精确性。

本发明从大量的基础数据中挖掘产品感官评价指标与理化测试指标和智能感官分析指标之间的关系、规律和模式，建立该类产品感官质量的多维空间融合评价***，为产品品质内涵的界定、质量评价、等级划分以及产地判别等提供技术依据。

本技术实现对产品感官质量人(分析型评价小组)加仪器、主观与客观兼顾、定性与定量相结合的多维度***分析，在茶叶、方便面、果汁等感官质量评价中可以得到成功应用。

如图1所示，为本发明实施例一种食品感官质量评价方法流程图，所述方法包括：

101、解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；

102、利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；

103、利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；

104、利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

可选的，所述智能感官分析技术可以包括利用电子鼻、电子舌、机器视觉、触觉传感器等的智能感官分析技术。

可选的，所述对研究的食品对象进行数字化信息的存贮与加工，可以包括：对研究的食品对象的外形、色泽、滋味、气味、质地等进行数字化信息的存贮与加工。

可选的，所述获取研究的食品对象的智能感官图像和图谱空间，可以包括：获取研究的食品对象的视觉、嗅觉、味觉、触觉等的智能感官图像和图谱空间。

可选的，所述数据挖掘技术，可以包括：神经网络、支持向量机、流行算法、聚类分析、主成分分析、模糊综合评判、判别分析等。

对应于上述方法实施例，如图2所示，为本发明实施例一种食品感官质量评价***结构示意图，所述***包括：

感官获取单元21，用于解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；

仪器获取单元22，用于利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；

智能感官获取单元23，用于利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；

质量评价单元24，用于利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像/谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

可选的，所述智能感官获取单元23利用的智能感官分析技术可以包括利用电子鼻、电子舌、机器视觉、触觉传感器等的智能感官分析技术。

可选的，所述仪器获取单元22具体对研究的食品对象的外形、色泽、滋味、气味、质地等进行数字化信息的存贮与加工。

可选的，所述智能感官获取单元23具体获取研究的食品对象的视觉、嗅觉、味觉、触觉等的智能感官图像和图谱空间。

可选的，所述质量评价单元24利用的数据挖掘技术，可以包括：神经网络、支持向量机、流行算法、聚类分析、主成分分析、模糊综合评判、判别分析等。

电子舌技术可综合反映出食品的整体滋味特征，相对于液质联用来说，更加类似于人类的味觉***，将得到的结果与液相色谱结果进行比较及相关性分析，可综合评价食品味觉方面的感官质量；电子鼻技术用于食品气味综合信息的检测，可以反映出食品的整体气味特征，结果中传感器的电信号或是气谱型的色谱峰面积结合化学计量学软件均可对不同种类、等级的食品信息进行组合分析，从而达到综合评价食品嗅觉方面感官质量的目的；机器视觉可代替人的眼睛，通过图像形式非常精确的拍摄食品表观性状。

感官计量学是通过数学手段和计算机技术优化感觉测量的过程。食品感官评价智能化算法，以食品的理化数据作为输入单元，专家感官评价数据作为教师数据，利用模式识别方法进行训练，最终获得在一定程度上能正确识别标准测试样本的智能化感官识别模型。因此，模式识别方法的适用性，直接影响智能化感官品质识别的正确率。本发明应用的智能算法主要包括神经网络、支持向量机、流行算法、聚类分析、主成分分析、模糊综合评判、判别分析等。这些方法各有特点，在感官分析的实际应用中各有所长，视具体情况选用不同的数据挖掘技术。

人工神经网络是由大量的、同时也是很简单的处理单元(神经元)广泛地互相连接而形成的复杂网络***，它是一个高度复杂的非线性动力学***。人工神经元是生物神经元特性及功能的数学抽象。神经网络由于其大规模并行、分布式存储和处理、自组织、自适应和自学习能力强的特点，特别适用于处理需要同时考虑许多因素和条件、不精确和模糊的信息处理问题。

聚类分析是把大量的d维数据对象(n个)聚集成k个聚类(k＜n)，使同一聚类内对象的相似性尽可能最大，而不同聚类内对象的相似性尽量达到最小。也就是说，形成聚类之后，同一个聚类内对象具有很高的相似性，而且与不属于该聚类的对象有迥然的差异即不相似。

主成分分析是将原来变量重新组合成一组新的相互无关的几个综合变量来代替原来变量的一种多元统计分析方法，这些综合变量就叫做主成分。主成分分析法要求将原来变量以最小的损失映射到较少的几个主轴。在智能化食品感官分析中，主成分分析可以用来确定食品理化特征与感官特征的相关性，并起到降低计算机处理的数据维度的作用。

模糊综合评判是运用模糊数学原理分析和评价具有“模糊性”事务***的分析方法，它将模糊信息数值化进行定性评价。在食品感官评价中，此方法综合所有专家品评结果，通过最大化隶属度来确定食品的感官特征，减少了人为因素的偶然性和主观性影响。主要环节包括：评定人员的确定、评定方法的约定、评定对象(样品)的确定、因素集的确立、评语集的确立和权重集的确立。

以下举具体的应用实例来说明上述技术方案。

如图3所示，为本发明应用实例多维空间融合的感官质量评价技术构思示意图。本技术实现对产品感官质量人(分析性评价小组)加仪器、主观与客观兼顾、定性与定量相结合的多维度***分析，在方便面、果汁、茶叶等感官质量评价中得到了成功应用。本说明书以龙井茶为例，详细说明技术的具体实施方式。

龙井茶多维空间融合产品感官质量评价技术实施包括以下个步骤：

第一步，建立龙井茶感官品质指标体系及技术总路线，如图4所示。

第二步，建立专家审评经验与现代感官分析技术相结合的龙井茶感官评价方法，对龙井茶进行科学的感官评价。对茶叶感官品质的五项因子进行审评，包括外形、汤色、香气、滋味、叶底，分别对每项银子进行描述性分析，汇总专家评语并产出描述成库如表1；讨论统一每位评价员描述词含义，得出语义描述空间，如表2；然后对每项因子分别进行客观公正的评分，每个审评项为百分制打分，如表3；经过与专家评价员探讨，根据名优绿茶审评因子权重将各审评得分直接权重计算各茶样的加权分。

表1 茶样评语汇总

表2 龙井茶语义描述空间

表3 龙井茶样五项因子审评结果列表

第三步，采用色谱技术，质谱技术，光谱技术等现代仪器分析技术和风味研究平台，对龙井茶的香气、滋味、以及光谱特性进行仪器分析研究，建立龙井茶理化数据库和图谱库。嗅闻仪(Olfactory)与气相色谱(GC)、质谱(MS)的组合平台，在人工嗅闻茶叶香气，分辨香气类型和强度的同时，进行气相色谱(GC)、质谱(MS)对茶叶香气构成的定性定量测定，建立龙井茶香气理化数据库和图谱库，如表4。HPLC分析技术对龙井茶滋味成分进行研究，建立龙井茶滋味理化数据库和图据库，如表5。色差技术和荧光光谱技术对龙井茶的光谱特性进行综合表达，建立龙井茶整体感官品质的光谱指纹图谱库，如表6。

表4 龙井茶挥发性香气成分鉴定列表

表5 龙井茶汤成分含量

表6 龙井茶茶汤色度光谱数据

第四步，采用智能感官分析手段电子鼻、电子舌对茶样进行分析。通过电子鼻和电子舌的检测，得到茶叶香气成分及滋味成分的响应图(图5所示)，由模式识别方法的分析、鉴别和判断，实现对不同种类、不同加工工艺茶叶的判别和分类。

表6-1 ASTREE电子舌的7根传感器性能特征

通过响应图谱分析，可以得出特征响应点，分析特征响应点的信号图可知，不同等级样品的信号强弱不同。其中二级与其他等级差距较大，如图6所示。

主成分的得分能够在一定程度上反映样本间的相似性和独特性，每个样本对应不同主成分有不同得分值。从图7中得知不同品种茶叶差异非常大，拥有自己独立的区域。

第五步，采用数据融合技术建立多维空间融合产品感官质量评价模型，以线性相关性分析、聚类分析和人工神经网络为技术手段，从大量的基础数据中挖掘茶叶量化指标与感官品质之间的关系、规律和模式，建立龙井茶品质判别、等级判定等的多维空间融合质量评价体系。

通过相关性分析结果可得出样品成分与感官品质的关系，确定决定龙井茶感官品质的关键指标，如光谱数据与汤色评分的相关性分析可得出表征亮度的L值与汤色打分呈显著正线性相关，即L值越大，汤色的评分也越高，如表7所示；通过向其评分与特征香气成分含量的相关性分析可得出与香气评价打分呈负线性相关和呈正相关的成分，如表8所示；如表9所示滋味评分与滋味成分线性相关性分析可得出与滋味评分成正相关与负相关的特征成分，例如咖啡碱含量与滋味评价打分呈显著负线性相关，即是咖啡碱含量越高，滋味打分越低。

表7 汤色评价得分与光谱数据线性相关系数列表

表8 香气评价得分与特征香气成分含量线性相关系数列表

表9 滋味评价得分与滋味成分含量线性相关系数列表

聚类分析结果可以在一定程度上反映出样品之间亲疏程度，即样品接近程度。将光谱指标、滋味指标和香气指标进行综合，对茶叶样品进行***聚类分析，如图8所示。

人工神经网络模型的建立，可以有效的将龙井茶样品进行分等分级，龙井茶感官品质分级人工神经网络模型参数项目及参数值见表10。

表10 BP人工神经网络模型建立参数汇总表

经过3000个样本训练和27个样本预测，龙井茶品质等级的预测准确率能达到96.4％。

本实例从三个维度对龙井茶感官质量特征进行了分析，首先是感官语义描述空间建立及感官综合评分；第二个维度是仪器分析得出了光谱特性、香气成分、滋味成分含量；第三个维度是智能感官技术电子鼻电子舌技术得出了不同茶样的响应图谱。最后，经过仪器分析结果与感官评分的相关性分析、智能感官响应图谱与感官评分的主成分分析，以及人工神经网络模型的建立对龙井茶级别判断及预测。不同角度相互联系，相互印证，为龙井茶感官质量特征的评价提供了全面、客观、有效的技术手段。

本发明是集成感官分析技术、现代仪器分析技术、智能感官分析技术和数据挖掘与融合技术，建立产品质量多维空间融合的评价***。本发明相比其他相关的研究成果，有以下两大优点：一是以所有产品为对象不拘泥于一种特殊产品，因此通用性和借鉴性较高；二是在上述研究成果的基础上，结合了感官评价、相关性分析、现代仪器分析技术手段与化学计量学手段，对食品的外形、色泽、滋味、气味、质地等进行数字化信息的存贮与加工，进而确定与其感官特性相关性强的理化参数，再综合电子鼻、电子舌、机器视觉、触觉传感器等建立研究食品智能视觉、嗅觉、味觉、触觉的图像和图谱空间结果，利用智能算法手段将大量的数据进行多维融合与数据挖掘，从多个角度解释产品感官特性，从而达到更加客观精确的界定产品品质内涵、评价质量、划分等级以及判别产地等。总而言之，本发明不仅在提高食品感官质量评价技术的客观性和精确性方面有显著的贡献，同时，为所有食品的感官评价技术提供了综合通用的评价***。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogical block)、单元和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrativecomponents)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电脑、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种食品感官质量评价方法，其特征在于，所述方法包括：

解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；

利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；

利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；

利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

2.如权利要求1所述方法，其特征在于，

所述智能感官分析技术包括利用电子鼻、电子舌、机器视觉、触觉传感器的智能感官分析技术。

3.如权利要求1所述方法，其特征在于，所述对研究的食品对象进行数字化信息的存贮与加工，包括：

对研究的食品对象的外形、色泽、滋味、气味、质地进行数字化信息的存贮与加工。

4.如权利要求1所述方法，其特征在于，所述获取研究的食品对象的智能感官图像和图谱空间，包括：

获取研究的食品对象的视觉、嗅觉、味觉、触觉的智能感官图像和图谱空间。

5.如权利要求1所述方法，其特征在于，所述数据挖掘技术，包括：

神经网络、支持向量机、流行算法、聚类分析、主成分分析、模糊综合评判、判别分析。

6.一种食品感官质量评价***，其特征在于，所述***包括：

感官获取单元，用于解析研究的食品对象特有的感官特性，获取该食品感官品质语义描述空间；

仪器获取单元，用于利用现代仪器分析技术手段结合化学计量学，对研究的食品对象进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；

智能感官获取单元，用于利用智能感官分析技术，获取研究的食品对象的智能感官图像和图谱空间；

质量评价单元，用于利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从研究的食品对象的基础数据中获取食品的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价研究的食品对象的感官质量。

7.如权利要求6所述***，其特征在于，

所述智能感官获取单元利用的智能感官分析技术包括利用电子鼻、电子舌、机器视觉、触觉传感器的智能感官分析技术。

8.如权利要求6所述***，其特征在于，

所述仪器获取单元具体对研究的食品对象的外形、色泽、滋味、气味、质地进行数字化信息的存贮与加工。

9.如权利要求6所述***，其特征在于，

所述智能感官获取单元具体获取研究的食品对象的视觉、嗅觉、味觉、触觉的智能感官图像和图谱空间。

10.如权利要求6所述***，其特征在于，

所述质量评价单元利用的数据挖掘技术，包括：神经网络、支持向量机、流行算法、聚类分析、主成分分析、模糊综合评判、判别分析。

Images