《Foods》：Development of a Sensory Lexicon and Predictive ANN Modeling for Black Queen Wine: A Novel Workflow Incorporating Bridge-Linked QDA and Consumer Hedonic Analysis
编辑推荐：
研究人员开发了一种感官词汇和预测性人工神经网络（ANN）模型，用于黑皇后（BQ）葡萄酒：一种融合桥接定量描述分析（QDA）与消费者享乐分析的新工作流程。摘要：*Vitis vinifera L.* × *Vitis labrusca* L. cv. Black
研究人员开发了一种感官词汇和预测性人工神经网络（ANN）模型，用于黑皇后（BQ）葡萄酒：一种融合桥接定量描述分析（QDA）与消费者享乐分析的新工作流程。摘要：*Vitis vinifera L.* × *Vitis labrusca* L. cv. Black Queen (BQ) 是一种在亚热带气候下具有酿酒潜力的杂交品种，但其感官结构仍缺乏系统性。本研究旨在通过将两个平衡完全区组设计（BCBD）数据集合并为一个统一数据库，并开发一个结构化的描述符降维工作流以解决多重共线性与冗余问题，从而构建一个整合的感官框架。由此产生的“BQ Lexicon v.0”包含九个定量描述分析（QDA）属性和十二个勾选所有适用项（CATA）描述符。基于此优化数据集，研究人员开发了一个人工神经网络（ANN）模型来预测总体喜好度（OL），取得了令人满意的性能（R2(训练集) = 0.70，R2(验证集) = 0.74）。三维响应面可视化进一步展示了作为过程监测器的非线性关系，表明酸味是接受度的主要负向驱动因素，并揭示了单宁、甜度和香气之间的交互与协同效应。这些发现表明，将结构化数据管理与机器学习相结合可以提高感官建模效率。最终，经过验证的BQ Lexicon v.0和对齐的数据框架为未来黑皇后葡萄的酿酒研究奠定了可靠基础。这种结构化方法有效解决了分布式感官数据集整合的挑战，同时为有针对性的酿酒策略提供了实践见解。
**研究背景与目的**
葡萄酒感官科学传统上依赖线性多变量统计方法（如PCA、PLS）及平衡完全区组设计（BCBD），但这些方法劳动密集、样本空间有限，且假设感官属性线性独立，忽略了关键的交互与非线性效应，难以满足现代深度学习的数据需求。黑皇后（Black Queen, BQ）葡萄（*Vitis vinifera* L. × *Vitis labrusca* L. cv. Black Queen）是日本川上善兵卫培育的杂交品种，适应东亚亚热带高湿高温气候，具有高酸、深色、浓郁香气特征，但感官特征尚未系统化。本研究旨在构建整合感官框架，通过桥接数据标准化、结构化降维建立“BQ Lexicon v.0”，并利用人工神经网络（ANN）建模预测消费者总体喜好度，揭示非线性交互作用，为精准酿酒提供工具。该论文发表在《Foods》。
**主要关键技术与方法**
1. **桥接数据整合**：以国际参考品种赤霞珠（Cabernet Sauvignon）作为“桥接”样本，通过独立t检验和变异系数（CV）评估两个BCBD块间的一致性，将分布式感官数据集合并统一数据库。
2. **感官词汇降维**：采用主成分分析（PCA）与相关性分析消除语义冗余（如甜度与果味相关系数|r|>0.90），结合专家决策保留诊断性属性；消费者端通过勾选所有适用项（CATA）与惩罚分析（均值下降）筛选关键驱动与风险属性。
3. **人工神经网络（ANN）建模**：构建含2个双曲正切（TanH）和4个高斯激活函数的单隐层多层感知器（MLP），输入为7个QDA与11个CATA属性（共18个），输出为总体喜好度（OL），采用5折交叉验证和稳健拟合法，通过特征重要性分析（依赖重采样输入法）评估变量贡献。
**研究结果**
**3.1 数据桥接**
以赤霞珠为桥接样本，经Z-score全局标准化后，23个QDA属性在两个评估块间均无显著差异（p>0.05）。基于CV阈值30%（考虑BQ稀有性），划分高共识（10个属性，CV<30%）、低共识（6个属性，CV>30%但p>0.05）和基线噪声（7个属性，均值<3.0，CV>80%）。块2因含两个国际参考品种而表现出更低的CV值，表明多样本集可改善品评员校准。
**3.2 PCA与特征选择**
PCA前两主成分解释73.4%方差。PC1（44.7%，结构-强度轴）正端为平衡、单宁、香料、整体香气，负端为瑕疵、动物味；BQ样品位于负侧，高酸与深色为特征。PC2（28.7%，成熟度-果味轴）正端关联苦味、余味、橡木等成熟感，负端为新鲜果味。基于PCA和相关性（|r|>0.80）消除冗余，23个QDA属性降为9个核心属性：5个主要变量（红色至紫色RtP.E、香气Aro.E、酸味So.E、甜味Sw.E、单宁Tan.E）和4个补充变量（酒精Alc.E、苦味Bit.E、瑕疵Fla.E、橡木Oak.E）。所有预测因子方差膨胀因子（VIF）<2.0，多重共线性可控。线性回归模型R2=0.518，不足以解释消费者喜好，需非线性ANN。
**3.3 消费者CATA与惩罚分析**
74名消费者（共444次评估）对52个初始CATA描述符进行评价。经频率筛选（至少一个块中>30%）及风险描述符（如肉味、汗味）手动保留，得到12个核心CATA属性。惩罚分析辨识出6个正向驱动（酒精、紫罗兰、红浆果、黑莓等，均值下降>0）和6个负向因素（霉味、二氧化硫、热带水果、红李子等，均值下降<0）。BQ品种标志物（红李子、热带水果）高频率但呈负向影响，表明消费者接受度被风险属性过度惩罚。
**3.4 BQ Lexicon v.0定稿**
综合QDA与CATA，Lexicon v.0初始含21个属性（9个QDA+12个CATA）。为避免冗余导致的ANN权重膨胀，剔除2个QDA（酒精和瑕疵，因其被CATA版本更精细代表）和1个CATA（汗味），最终输入为7个QDA+11个CATA=18个变量。保留基于统计显著性和专家决策，如甜度虽统计低共识但因酸-糖掩蔽效应和倒U型消费者行为保留；橡木与苦味作为基线和诊断性变量保留。
**3.5 ANN预测建模**
18输入单隐层ANN（2TanH+4高斯）经5折交叉验证（随机种子888）训练与验证。模型性能：训练集R2=0.700，验证集R2=0.740；RASE≈1.0；验证MAE=0.656，无过拟合。变量重要性分析：酸味（So.E）总效应0.257，甜味（Sw.E）和黑莓均为0.181。关键发现：酸味的总效应与主效应之比为5.04，甜味为3.61，香气为3.04，表明非线性交互效应远超线性直接效应。三维响应面显示酸味与总体喜好负相关，甜味在强酸区作用减弱；香气曲面高度复杂起伏，提示极窄的工艺窗口；单宁呈现局部二次趋势。绿色渐变表示预测OL值。
**讨论与结论**
研究通过赤霞珠桥接成功同步两个独立数据块，确保无显著差异。放宽CV至30%兼顾了BQ稀有性。高共识属性（10个）可作为数字感官转型基础。PCA维度归约揭示了BQ的高酸-低结构位置，凸显建立品种特定基线的必要性。惩罚分析将CATA属性分为喜爱驱动、品种标识、工艺相关和质量风险四类，为质量控制提供实用工具。Lexicon v.0的构建平衡了统计严厉性与酿酒现实，通过专家决策保留甜度、橡木等诊断性属性。ANN模型超越传统线性回归，捕获复杂非线性交互，证实酸味是BQ的感官基底和调节因子（总效应/主效应=5.04），其主导影响通过与其他属性交互实现。三维响应面表明BQ总体喜好由酸度、甜度和动态香气共同支配，工艺窗口极窄，需精准控制。研究结论翻译如下：
本研究通过开发Lexicon v.0及相应的预测ANN模型，为黑皇后（BQ）葡萄酒建立了一个结构化的感官评估框架。通过使用赤霞珠“桥接”样本，本研究证明两个分布式数据块可以有效地对齐，为将感官数据集整合到更大的机器学习大数据池中提供了一种可行方法。使用主成分分析（PCA）和专家引导的系统性降维将23个定量描述分析（QDA）属性精简为9个核心属性。同时，纳入低频率但高风险的缺陷描述符（如霉味、肉味和二氧化硫）增强了词汇表在严格质量控制追踪中的实用性。优化后的ANN模型在验证集中R2达到0.74，展现出比传统线性回归框架更高的解释力。理论上，该模型识别出五个关键属性，其中黑皇后的酸味成为消费者总体接受度的关键感官决定因素；特别是观察到的5:1的总效应与主效应之比，强调了酸度在感官矩阵中的复杂交互作用。此外，三维交互响应面表明BQ总体喜好度由酸度、甜度和复杂动态的香气共同控制。在实践中，研究结果确立了BQ Lexicon作为酿酒师有力的诊断和沟通工具。通过模型识别特定感官决定因素（如酸度），该框架允许酿酒师优先考虑有针对性的质量管理策略。这种从主观评估到感官数据驱动风味工程的转变，是本研究的主要实践贡献。关于研究局限性，实施的ANN通过严格降维和简约架构展现了预测潜力，但将机器学习应用于中小规模经验感官数据集（N=444）仍具探索性；模型依赖于标准化桥接样本，推广至更广泛、文化多样的消费者群体需谨慎。该框架受限于黑皇后品种的区域性、特定年份以及共享的文化品评背景。未来研究应通过跨机构数据融合扩大样本量，并整合仪器分析以关联化学标记器与当前感官词汇，从而将本框架发展为精准酿酒的综合性“Lexicon v.1”。最终，训练品评员QDA、消费者勾选所有适用项（CATA）分析与ANN建模的整合，为酿酒中的感官评估与风味工程提供了潜在的方法论框架。
