基于咀嚼肌电信号定量分析与机器学习算法的凝胶食品感官偏好研究

本研究通过表面肌电技术（EMG）结合机器学习算法，定量分析三种同风味异色凝胶的咀嚼模式，探索肌肉活动与感官评价的关联。尽管未发现显著偏好差异，但为食品质构-生理反馈机制研究提供了新方法学框架。

　　

通过颚肌肌电（Electromyography, EMG）信号定量分析咀嚼行为，本研究将食品科学与神经肌肉生理学相结合。研究人员采用相同风味、不同颜色（绿色/红色/黄色）的三种凝胶样品，记录受试者咀嚼过程中的EMG信号，并应用机器学习分类算法（包括信号处理与Python编程实现）解析肌肉活动模式。结果表明：虽然肌电数据与颜色偏好未呈现强关联性，但证实了EMG技术在揭示食物选择过程中肌肉功能机制的潜力。研究强调了感官评估（sensory evaluation）与生理信号联合分析的价值，同时指出样本风味单一性与数据量限制对机器学习预测精度的影响。该工作为食品质构-生理响应跨学科研究提供了创新方法论支持。