白酒与食物配适性的神经生理学及多模态感官评价研究

这篇研究通过整合感官评价（sensory evaluation）、神经生理测量（EEG/facial expression analysis）和机器学习（machine learning），系统探究了优雅型与赤味型白酒与不同味型食物的配适性机制。研究发现甜/咸味兼容性主导消费者偏好，并首次证实脑电注意力水平（EEG attention）与面部表情（Neutral/Sad/Disgusted）可作为配适性的有效预测指标，为个性化饮食推荐系统提供了神经科学依据。

　　

Highlight

本研究通过两项实验结合机器学习，揭示了白酒-食物配适性的关键驱动因素：优雅型白酒与甜味食物呈现最佳协同效应，而赤味型白酒在咸鲜味场景中表现更优。神经生理数据表明，脑电注意力水平（EEG β-wave）与负面表情（厌恶/悲伤）显著负向预测偏好度，女性参与者表现出更低的配适性评分。

Participants

研究1 采用G*Power 3.1.9.7软件估算样本量（α=0.05，power=0.80），基于2（白酒香型）×7（基础味型）的交互效应假设（Cohen's f=0.25），确定最小样本量为17人。

研究2 在广东省招募受试者，通过2（香型）×6（菜品味型）重复测量设计，估算需22人（效应量f=0.25）。实际样本量扩展至30人以控制个体差异。

Discussion

实验证实味型兼容性理论——甜/咸味组合显著优于酸/苦味配对（p<0.01）。赤味型白酒因β-苯乙醇（β-phenethyl alcohol）等风味物质展现出更广的配适边界，而优雅型白酒的洞穴陈酿特性（cave aging）使其特别适配甜味场景。机器学习模型显示，EEG注意力指标与Disgusted表情的预测权重分别达0.32和0.28。

Conclusion

本研究构建了首个整合感官-神经生理指标的白酒配适性框架，证实咸鲜味（umami）的桥梁作用，并开发出基于EEG局部-全局融合Transformer（local–global fusion transformer）的实时预测系统，为餐饮智能化提供新范式。