CN110522461B - 一种判别感官评价人员特殊专注力的方法和系统及装置 - Google Patents

一种判别感官评价人员特殊专注力的方法和系统及装置 Download PDF

Info

Publication number
CN110522461B
CN110522461B CN201910787410.8A CN201910787410A CN110522461B CN 110522461 B CN110522461 B CN 110522461B CN 201910787410 A CN201910787410 A CN 201910787410A CN 110522461 B CN110522461 B CN 110522461B
Authority
CN
China
Prior art keywords
sensory
data information
evaluator
value
sequencing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910787410.8A
Other languages
English (en)
Other versions
CN110522461A (zh
Inventor
史波林
钟葵
汪厚银
赵镭
陈桂龙
张璐璐
谢苒
刘龙云
何天鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Institute of Standardization
Original Assignee
China National Institute of Standardization
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China National Institute of Standardization filed Critical China National Institute of Standardization
Priority to CN201910787410.8A priority Critical patent/CN110522461B/zh
Priority to PCT/CN2019/110235 priority patent/WO2021035879A1/zh
Priority to US17/429,641 priority patent/US20220039717A1/en
Publication of CN110522461A publication Critical patent/CN110522461A/zh
Priority to AU2020100135A priority patent/AU2020100135A4/en
Application granted granted Critical
Publication of CN110522461B publication Critical patent/CN110522461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/04—Physical realisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Developmental Disabilities (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明公开了一种判别感官评价人员特殊专注力的方法和系统及装置，本方法所体现的专注力判别有机结合了优、良、差三类排序能力的评估，即在排序能力为优的人群中能发现灵敏度高而专注力差的感官评价人员，在排序能力为良的人群中能发现灵敏度适中而专注力高的感官评价人员，在排序能力为差的人群中能发现灵敏度尚可而专注力高的感官评价人员。本系统能够发现专注力特殊的评价人员，为排序结果的可靠性提供了有利支撑。

Description

一种判别感官评价人员特殊专注力的方法和系统及装置
技术领域
本发明涉及感官分析技术领域，具体涉及一种判别感官评价人员特殊专注力方法和系统及装置。
背景技术
感官评价是一项通过感觉器官评价产品在外观、滋味、气味、组织状态等方面感官特征的技术。该技术本身是一门测量技术，为了保证感官评价结果的可靠性、客观性与正确性，需要在可控的实验环境下(环)，将合理制备评价所需要的样品(样)科学呈送给通过筛选、培训和考核合格的评价人群(机)，采用经验丰富的感官分析师(人)所选择的科学感官分析方法(法)，对测试样进行感官品评后获得每位评价人员的原始评价数据，再由感官分析师对这些数据进行统计分析从而得出产品的感官品质。
感官评价排序方法是标度与类别方法中的排序法，是要求感官评价人员对一系列样品，按照其某项感官特性的强弱进行排序的分类方法。可用于确定不同原料、加工、处理、包装和储藏等条件对产品一个或多个感官指标强度水平的影响，或进行精细感官评价(如描述性分析)前的预筛，也可用于筛选、培训感官评价人员。
排序法是差别检验与描述性分析的桥梁。也就是，若评价人员对样品间差异感觉不出其强度顺序，则他们只适合进行差别检验活动；而对于排序能力好的评价人员就有可能通过进一步培训而成为描述性分析人员。
任何测量均由相应的检测仪器来完成，而仪器的性能直接决定所产出结果的可靠性、客观性与正确性。感官评价仪器是由若干评价人员所组成的评价小组，感官排序原始数据直接来源于感官评价人员的品评结果。理想情况下，希望每位评价人员每次都能给予与真实品质顺序或者理论最优顺序完全一致的答案。若感官评价人员排序能力差或不稳定，其感官评价实验数据就无法反映不同样品间感官品质的真实强弱差异顺序，从而导致实验结果、结论不可靠，并影响该结论在新品开发、产品改良、原料替换、质量控制、市场预测等方面的应用与指导。因此，感官评价人员排序能力是获得可靠和稳定的感官排序结果的首要条件。
感官评价人员排序能力表现评估技术是体现“排序仪器”可用性特点的技术保障，它能指导评价人员在投入使用前进行校准并达到要求的精确度，也能帮助评价人员在使用一定周期后进行定期检定以符合检测的规范要求，保证排序结果的有效性或正确性。该技术是实现感官排序数据价值的关键保障，是反映感官分析实验室排序检测能力水平的重要手段，是构成感官分析实验室排序能力建设与认可的主要内容。因此，感官分析实验室的评价人员排序能力表现评估技术能有效管理“排序仪器”以保持良好的状态，达到通过该仪器检测所获得排序数据的可靠性，保证感官分析科研、实验和生产的需要，也有力助推感官排序方法的广泛应用。因此，其感官评价人员排序能力表现评估技术意义非凡。
理论上，感官评价人员正确排序能力与重复排序能力具有很好的关联性。也就是正确性高的感官评价人员其重复性也好，正确性低的感官评价人员其重复性也差。但实际上在现实评价过程中，会出现与上述情况不完一致的情况。经过研究发现正确性高而重复性差的原因不是排序能力问题、也不是实验样品制备/呈送有误或排序评价方法错误问题导致，而是实验态度问题，不专注不认真做排序实验导致的，所以该结果不是这些感官评价人员的正常状态水平，因此才会出现其灵敏度高、正确性好，但重复性差的现象。对于这类感官评价人员的使用需要慎重，因为不确定他们什么时候认真实验、什么时候不认真实验，这样为得到可靠的实验结果带来很大的风险和不确定性。除非在以后的实验中证实他们已改变了自己毛糙、随意、不认真的态度和坏习惯，不然灵敏度再高、正确能力再好也不能轻易使用这些感官评价人员，因为不确定他会不会认真对待当下的实验；若不认真的话，就容易导致整体实验失败。对于正确排序能力适中而重复能力非常好的感官评价人员，充分体现了他们在排序实验中态度极其认真、状态极其稳定，是值得信赖的、好用的评价员，也是在感官评价实验中经常使用的评价员，有的感官评价人员还具有潜在的正确排序能力提高空间。在正确排序能力尚可的感官评价人员人群中也会出现这类态度认真、状态稳定、非常努力的评价员。所以对其感官评价人员的特殊专注力的评价十分重要。并且现有技术中还没有应用计算机软件对其进行快速分析的系统。
发明内容
本发明的目的在于提供一种判别感官评价人员特殊专注力方法，用以解决现有技术中缺乏这方面指导的问题。
为实现上述目的，本发明的技术方案为：
一种判别感官评价人员特殊专注力的方法，包括以下步骤：
S1、在数据输入单元输入第一数据信息，并储存在储存单元中；
S2、利用数据处理单元对第一数据信息进行处理得到第二数据信息、第三数据信息、第四数据信息和第五数据信息；
S3、利用数据分析单元对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，用于判别感官评价人员特殊专注力；
S4、在结果显示单元显示具有特殊专注力的感官评价人员的序号。
所述第一数据信息为感官评价人员对于n个不同浓度样品进行感官品质强弱的m轮重复排序之后得到的排序信息；优选地，所述n＝6，m＝12。
所述数据处理单元包括排序能力分类模块、正确排序能力模块、重复排序能力模块和排序专注能力模块；具体地：所述数据处理单元的处理步骤如下：
首先，利用所述排序能力分类模块根据所述排序信息计算每位感官评价人员每轮排序的Spearman秩相关系数rs值，然后统计每位感官评价人员m轮排序实验后Spearman秩相关系数rs值的中位数与众数；
所述Spearman秩相关系数rs值的计算式为：
Figure BDA0002177603770000031
式中rs为秩相关系数；n为排序实验样品数；di为该轮排序中第i个样品的感官评价人员所排秩次与真实秩次的差；
比如优选地，当n＝6时，当众数为1.00的感官评价人员为第一类感官评价人员人群，排序能力为优；中位数为0.943的感官评价人员为第二类感官评价人员人群，排序能力为良；剩下的感官评价人员为第三类感官评价人员人群，排序能力为差；
然后，利用所述正确排序能力模块对感官评价人员正确排序能力进行评估：剔除每位感官评价人员在m轮排序中rs值小于0.60的轮次结果；通过费舍Zr转换法将剩下的每轮排序的顺序数据rs值转换为对应的等距数据Zr值，然后计算每位感官评价人员剔除异常实验后剩下轮次Zr值的算术平均值
Figure BDA0002177603770000041
值越大，其正确排序能力越高；所述费舍Zr转换法将感官评价人员每次排序实验的rs值转换为Zr值的计算公式如下：
Figure BDA0002177603770000042
式中rs为秩相关系数；N为反双曲正切展开式项数；
Figure BDA0002177603770000043
值的计算公式如下：
Figure BDA0002177603770000044
式中：m为评价重复次数，在此为异常实验剔除后的重复次数；nj为第j次重复评价的样品个数，nj为6；Zrj值为第j次重复评价的相关系数rs值费舍转换Zr值。
然后，利用所述重复排序能力模块对感官评价人员的重复排序能力进行评估：计算每位感官评价人员剔除异常实验后剩下轮次的Zr标准差SZr；根据标准差大小体现各感官评价人员的重复排序能力；SZr越小，则重复排序能力越强；
所述SZr的计算公式为：
Figure BDA0002177603770000045
式中：m为评价重复次数，在此为异常实验剔除后的重复次数；Zrj值为第j次重复评价的相关系数rs值费舍转换Zr值；
Figure BDA0002177603770000046
为某评价员剔除异常实验后剩下轮次rs值经费舍转换后Zr的平均值。
接着，利用所述排序专注能力模块，计算每位感官评价人员多轮重复排序后Zr标准差SZr与
Figure BDA0002177603770000047
的比值(CV值)；
所述CV值的计算式为：
Figure BDA0002177603770000048
所述第二数据信息为rs值的中位数与众数，所述第三数据信息为
Figure BDA0002177603770000051
值，所述第四数据信息为SZr值，所述第五数据信息为CV值。
所述数据分析单元用于对每一类感官评价人员人群的CV值进行分析，对于第一类感官评价人员人群(排序能力为优)，当CV值＞20％时，判别为灵敏度高而专注力差的感官评价人员；对于第二类感官评价人员人群(排序能力为良)，当CV值≤17％时，判别为灵敏度适中而专注力高的感官评价人员；对于第三类感官评价人员人群(排序能力为差)，当CV值≤21％时，判别为灵敏度尚可而专注力高的感官评价人员判别。
当判别感官评价人员为灵敏度高而专注力差的感官评价人员时，结果显示模块中感官评价人员的序号呈现红色；当判别感官评价人员为灵敏度适中而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现黄色；当判别感官评价人员为灵敏度尚可而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现绿色。
本发明还公开了一种判别感官评价人员特殊专注力的系统，用于上述方法中，所述系统包括：数据输入单元，用于输入第一数据信息；储存单元，用于储存所述第一数据信息；数据处理单元，用于对第一数据信息进行处理得到第二数据信息、第三数据信息、第四数据信息和第五数据信息；数据分析单元，用于对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，进而判别感官评价人员特殊专注力；结果显示单元，用于显示具有特殊专注力的感官评价人员的序号。
包含上述判别感官评价人员特殊专注力的系统的装置也落入本发明的保护范围之内。
本发明具有如下优点：
(1)该系统可随时输入并储存每位评价人员的每次排序结果，从而可时时调取并观察每位评价人员的排序结果。
(2)该方法可以分析不遵循正确排序能力与重复排序能力关联性规律的感官评价人员的排序能力表现，即专注力判别。本发明系统所体现的专注力判别有机结合了优、良、差三类排序能力的评估，即在排序能力为优的人群中能发现灵敏度高而专注力差的感官评价人员，在排序能力为良的人群中能发现灵敏度适中而专注力高的感官评价人员，在排序能力为差的人群中能发现灵敏度尚可而专注力高的感官评价人员。
(3)本发明在专注力处理中采用了多次重复下标准差与平均值比值的思想，即变异系数思想，特别是在这个思想应用中通过费舍Zr转换法将具有顺序特征的体现每轮排序结果的统计数据rs值，转换成具有等距特征数据的Zr值，从而保证了变异系数思想的实施与应用，从而帮助了专注力的科学分析。
以上优点能精准发现本身先天排序水平高但实验态度极不认真者，由此可避免使用这些评价人员所带来的潜在风险和评价结果的不确定性；以上优点还能发现排序水平在可使用的范围内，而在实验中态度极其认真、状态极其稳定的评价人员，使得这些评价人员在感官评价中是值得信赖的、好用的、常用的、重用的不可多得的评价人员，他们是可靠排序实验结果的保障，需要实验管理者特别的关注，这些人群中有的感官评价人员还具有潜在的正确排序能力提高空间。总之，以上优点能够发现专注力特殊的评价人员，为排序结果的可靠性提供了有利支撑。
附图说明
图1是判别感官评价人员特殊专注力的系统结构示意图；
图2是一实施例中数据处理单元结构示意图。
具体实施方式
下面将通过具体实施例来对本发明进行进一步的解释，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
如无特殊说明，本发明采用各种方法均为常规的方法，各种材料和试剂均能通过商业的途径获得。
实施例1
一种判别感官评价人员特殊专注力的方法，包括以下步骤：
S1、在数据输入单元输入第一数据信息，并储存在储存单元中；
S2、利用数据处理单元对第一数据信息进行处理得到第二数据信息、第三数据信息、第四数据信息和第五数据信息；
S3、利用数据分析单元对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，用于判别感官评价人员特殊专注力；
S4、在结果显示单元显示具有特殊专注力的感官评价人员的序号。
所述第一数据信息为感官评价人员对于n个不同浓度样品进行感官品质强弱的m轮重复排序之后得到的排序信息；本实施例了中所述n＝6，所述m＝12。
第一数据信息的获取方法，具体如下：
1、评价人员筛选
根据《GB/T 12312-2012感官分析味觉敏感度的测定方法》筛选出对基本味(酸、甜、苦、咸)的感官味觉正常且相对灵敏的33位感官评价人员。按照《GB/T 12315-2008感官分析方法学排序法》实验要求，通过培训熟练味觉排序实验的评价方法和技术要点。
2、排序样品制备
在此选择蔗糖溶液作为评价人员排序能力表现评估的甜味样品排序对象。考虑感官疲劳和多次排序重复可能带来的负面情绪，其甜味样品整体浓度适中(甜感不能太甜也不宜不甜)。以33位感官评价人员所组成的评价小组平均甜味差别阈值为参考，设置排序实验系列样品间的浓度差。此浓度差不能过小，使得甜感接近不易分辨甜感强弱顺序，容易导致大多数感官评价人员的每次排序结果混乱并不正确，从而失去排序能力表现评估的意义。反之，此浓度差也不能过大，不然使得几乎绝大部分感官评价人员都能很轻易的将所有样品的甜感强弱顺序排对，那也起不到排序能力表现评估的作用。其系列样品浓度制备的基本原则：保证1/4的感官评价人员能准确排序，1/4的感官评价人员觉得难度很大，而剩下的1/2感官评价人员只是在个别样品间排序中把握不准。另外平衡考虑样品个数增多带来排序难度成指数提高以及样品个数太少而不具有统计意义的双重因素，特意选择了6个不同浓度的甜味溶液。具体浓度见表1。
表1 样品秩次及对应浓度
Figure BDA0002177603770000071
Figure BDA0002177603770000081
3、感官排序实验
每轮实验均提供给每位感官评价人员6个不同浓度的甜味溶液，要求感官评价人员遵照感官评价技巧，按甜感强度从弱到强进行排序，强度最弱的排列序号(秩次)为1，最强的排列序号为6；对于难以分辨强弱的样品也必须给予不同的秩次，不能有相同的秩次，即为强迫选择操作方式。每位感官评价人员总共均需要进行12轮重复排序实验，所有实验样品都采用不同的3位随机数字编码，每一轮实验的样品提供顺序均采取随机完全区组设计。
所以在实际操作过程中，一般选择也是n＝6，m＝12，这个数据具有实际指导意义。
所述数据处理单元包括排序能力分类模块、正确排序能力模块、重复排序能力模块和排序专注能力模块；具体地：所述数据处理单元的处理步骤如下：
首先，利用所述排序能力分类模块根据所述排序信息计算每位感官评价人员每轮排序的Spearman秩相关系数rs值，然后统计每位感官评价人员m轮排序实验后Spearman秩相关系数rs值的中位数与众数；
所述Spearman秩相关系数rs值的计算式为：
Figure BDA0002177603770000082
式中rs为秩相关系数；n为排序实验样品数；di为该轮排序中第i个样品的感官评价人员所排秩次与真实秩次的差；
比如优选地，当n＝6时，当众数为1.00的感官评价人员为第一类感官评价人员人群，排序能力为优；中位数为0.943的感官评价人员为第二类感官评价人员人群，排序能力为良；剩下的感官评价人员为第三类感官评价人员人群，排序能力为差。
然后，利用所述正确排序能力模块对感官评价人员正确排序能力进行评估：剔除每位感官评价人员在m轮排序中rs值小于0.60的轮次结果；通过费舍Zr转换法将剩下的每轮排序的顺序数据rs值转换为对应的等距数据Zr值，然后计算每位感官评价人员剔除异常实验后剩下轮次Zr值的算术平均值
Figure BDA0002177603770000083
值越大，其正确排序能力越高；所述费舍Zr转换法将感官评价人员每次排序实验的rs值转换为Zr值的计算公式如下：
Figure BDA0002177603770000095
式中rs为秩相关系数；N为反双曲正切展开式项数；
Figure BDA0002177603770000091
值的计算公式如下：
Figure BDA0002177603770000092
式中：m为评价重复次数，在此为异常实验剔除后的重复次数；nj为第j次重复评价的样品个数，nj为6；Zrj值为第j次重复评价的相关系数rs值费舍转换Zr值。
然后，利用所述重复排序能力模块对感官评价人员的重复排序能力进行评估：计算每位感官评价人员剔除异常实验后剩下轮次的Zr标准差SZr；根据标准差大小体现各感官评价人员的重复排序能力；SZr越小，则重复排序能力越强；
所述SZr的计算公式为：
Figure BDA0002177603770000093
式中：m为评价重复次数，在此为异常实验剔除后的重复次数；Zrj值为第j次重复评价的相关系数rs值费舍转换Zr值；
Figure BDA0002177603770000096
为某评价员剔除异常实验后剩下轮次rs值经费舍转换后Zr的平均值。
接着，利用所述排序专注能力模块，计算每位感官评价人员多轮重复排序后Zr标准差SZr与
Figure BDA0002177603770000097
的比值(CV值)；
所述CV值的计算式为：
Figure BDA0002177603770000094
所述第二数据信息为rs值的中位数与众数，所述第三数据信息为
Figure BDA0002177603770000098
值，所述第四数据信息为SZr值，所述第五数据信息为CV值。
最后利用数据分析单元对每一类感官评价人员人群的CV值进行分析，对于第一类感官评价人员人群(排序能力为优)，当CV值＞20％时，判别为灵敏度高而专注力差的感官评价人员；对于第二类感官评价人员人群(排序能力为良)，当CV值≤17％时，判别为灵敏度适中而专注力高的感官评价人员；对于第三类感官评价人员人群(排序能力为差)，当CV值≤21％时，判别为灵敏度尚可而专注力高的感官评价人员判别。
当判别感官评价人员为灵敏度高而专注力差的感官评价人员时，结果显示模块中感官评价人员的序号呈现红色；当判别感官评价人员为灵敏度适中而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现黄色；当判别感官评价人员为灵敏度尚可而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现绿色。
实施例2
一种判别感官评价人员特殊专注力的系统，如图1所示，所述系统包括：数据输入单元，用于输入第一数据信息；储存单元，用于储存所述第一数据信息；数据处理单元，用于对第一数据信息进行处理得到第二数据信息、第三数据信息、第三数据信息、第四数据信息和第五数据信息；数据分析单元，用于对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，进而判别感官评价人员特殊专注力；结果显示单元，用于显示具有特殊专注力的感官评价人员的序号。
其中，所述数据处理单元包括排序能力分类模块、正确排序能力模块、重复排序能力模块和排序专注能力模块(如图2)；
所述排序能力分类模块用于根据所述排序信息计算每位感官评价人员每轮排序的Spearman秩相关系数rs值，然后统计每位感官评价人员m轮排序实验后Spearman秩相关系数rs值的中位数与众数；
所述正确排序能力模块用于对感官评价人员正确排序能力进行评估：剔除每位感官评价人员在m轮排序中rs值小于0.60的轮次结果；通过费舍Zr转换法将剩下的每轮排序的顺序数据rs值转换为对应的等距数据Zr值，然后计算每位感官评价人员剔除异常实验后剩下轮次Zr值的算术平均值
Figure BDA0002177603770000101
值越大，其正确排序能力越高；
所述重复排序能力模块用于对感官评价人员的重复排序能力进行评估：计算每位感官评价人员剔除异常实验后剩下轮次的Zr标准差SZr；根据标准差大小体现各感官评价人员的重复排序能力，SZr越小，则重复排序能力越强；
所述排序专注能力模块，计算每位感官评价人员多轮重复排序后Zr标准差SZr与
Figure BDA0002177603770000111
的比值(CV值)；
所述第二数据信息为rs值的中位数与众数，所述第三数据信息为
Figure BDA0002177603770000112
值，所述第四数据信息为SZr值，所述第五数据信息为CV值。
所述数据分析单元用于对每一类感官评价人员人群的CV值进行分析，对于第一类感官评价人员人群(排序能力为优)，当CV值＞20％时，判别为灵敏度高而专注力差的感官评价人员；对于第二类感官评价人员人群(排序能力为良)，当CV值≤17％时，判别为灵敏度适中而专注力高的感官评价人员；对于第三类感官评价人员人群(排序能力为差)，当CV值≤21％时，判别为灵敏度尚可而专注力高的感官评价人员判别。
当判别感官评价人员为灵敏度高而专注力差的感官评价人员时，结果显示模块中感官评价人员的序号呈现红色；当判别感官评价人员为灵敏度适中而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现黄色；当判别感官评价人员为灵敏度尚可而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现绿色。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (6)

1.一种判别感官评价人员特殊专注力的方法，其特征在于，包括以下步骤：
S1、在数据输入单元输入第一数据信息，并储存在储存单元中；
S2、利用数据处理单元对第一数据信息进行处理得到第二数据信息、第三数据信息、第四数据信息和第五数据信息；
S3、利用数据分析单元对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，用于判别感官评价人员特殊专注力；
S4、在结果显示单元显示具有特殊专注力的感官评价人员的序号；
所述第一数据信息为感官评价人员对于n个不同浓度样品进行感官品质强弱的m轮重复排序之后得到的排序信息；n＝6，m＝12；
所述数据处理单元包括排序能力分类模块、正确排序能力模块、重复排序能力模块和排序专注能力模块；
利用所述排序能力分类模块根据所述排序信息计算每位感官评价人员每轮排序的Spearman秩相关系数rs值，然后统计每位感官评价人员m轮排序实验后Spearman秩相关系数rs值的中位数与众数；
利用所述正确排序能力模块对感官评价人员正确排序能力进行评估：剔除每位感官评价人员在m轮排序中rs值小于0.60的轮次结果；通过费舍Zr转换法将剩下的每轮排序的顺序数据rs值转换为对应的等距数据Zr值，然后计算每位感官评价人员剔除异常实验后剩下轮次Zr值的算术平均值
Figure FDA0002538578450000011
Figure FDA0002538578450000012
值越大，其正确排序能力越高；
利用所述重复排序能力模块对感官评价人员的重复排序能力进行评估：计算每位感官评价人员剔除异常实验后剩下轮次的Zr标准差SZr；根据标准差大小体现各感官评价人员的重复排序能力；SZr越小，则重复排序能力越强；
利用所述排序专注能力模块，计算每位感官评价人员多轮重复排序后Zr标准差SZr与
Figure FDA0002538578450000013
的比值CV值，所述CV值的计算式为：
Figure FDA0002538578450000014
所述第二数据信息为rs值的中位数与众数，所述第三数据信息为
Figure FDA0002538578450000015
值，所述第四数据信息为SZr值，所述第五数据信息为CV值；
所述数据分析单元用于对第二数据信息进行分析，当n＝6时，当众数为1.00的感官评价人员为第一类感官评价人员人群，排序能力为优；中位数为0.943的感官评价人员为第二类感官评价人员人群，排序能力为良；剩下的感官评价人员为第三类感官评价人员人群，排序能力为差；
所述数据分析单元用于对每一类感官评价人员人群的CV值进行分析，对于第一类感官评价人员人群，当CV值>20％时，判别为灵敏度高而专注力差的感官评价人员；对于第二类感官评价人员人群，当CV值≤17％时，判别为灵敏度适中而专注力高的感官评价人员；对于第三类感官评价人员人群，当CV值≤21％时，判别为灵敏度尚可而专注力高的感官评价人员判别。
2.根据权利要求1所述的判别感官评价人员特殊专注力的方法，其特征在于，所述Spearman秩相关系数rs值的计算式为：
Figure FDA0002538578450000021
式中rs为秩相关系数；n为排序实验样品数；di为该轮排序中第i个样品的感官评价人员所排秩次与真实秩次的差。
3.根据权利要求1所述的判别感官评价人员特殊专注力的方法，其特征在于，所述费舍Zr转换法将感官评价人员每次排序实验的rs值转换为Zr值的计算公式如下：
Figure FDA0002538578450000022
式中rs为秩相关系数；N为反双曲正切展开式项数；
Figure FDA0002538578450000023
值的计算公式如下：
Figure FDA0002538578450000024
式中：m为异常实验剔除后的评价重复次数；nj为第j次重复评价的样品个数；第j次重复评价的相关系数rs值经过费舍转换后获得的Zr值表示为Zrj；
所述SZr的计算公式为：
Figure FDA0002538578450000025
式中：m为异常实验剔除后的评价重复次数；第j次重复评价的相关系数rs值经过费舍转换后获得的Zr值表示为Zrj；
Figure FDA0002538578450000031
为某评价员剔除异常实验后剩下轮次rs值经费舍转换后Zr的平均值。
4.根据权利要求1所述的判别感官评价人员特殊专注力的方法，其特征在于，当判别感官评价人员为灵敏度高而专注力差的感官评价人员时，结果显示模块中感官评价人员的序号呈现红色；当判别感官评价人员为灵敏度适中而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现黄色；当判别感官评价人员为灵敏度尚可而专注力高的感官评价人员时，结果显示模块中感官评价人员的序号呈现绿色。
5.一种判别感官评价人员特殊专注力的系统，其特征在于，用于权利要求1-4任一项方法中，所述系统包括：数据输入单元，用于输入第一数据信息；储存单元，用于储存所述第一数据信息；数据处理单元，用于对第一数据信息进行处理得到第二数据信息、第三数据信息、第四数据信息和第五数据信息；数据分析单元，用于对第二数据信息、第三数据信息、第四数据信息和第五数据信息进行分析，进而判别感官评价人员特殊专注力；结果显示单元，用于显示具有特殊专注力的感官评价人员的序号。
6.一种判别感官评价人员特殊专注力的装置，其特征在于，包含权利要求5所述系统。
CN201910787410.8A 2019-08-23 2019-08-23 一种判别感官评价人员特殊专注力的方法和系统及装置 Active CN110522461B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910787410.8A CN110522461B (zh) 2019-08-23 2019-08-23 一种判别感官评价人员特殊专注力的方法和系统及装置
PCT/CN2019/110235 WO2021035879A1 (zh) 2019-08-23 2019-10-10 一种判别感官评价人员特殊专注力的方法和系统及装置
US17/429,641 US20220039717A1 (en) 2019-08-23 2019-10-10 Method, system and apparatus for evaluating sensory assessors' concentration ability
AU2020100135A AU2020100135A4 (en) 2019-08-23 2020-01-24 Method, system and apparatus for evaluating sensory assessors’ concentration ability

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910787410.8A CN110522461B (zh) 2019-08-23 2019-08-23 一种判别感官评价人员特殊专注力的方法和系统及装置

Publications (2)

Publication Number Publication Date
CN110522461A CN110522461A (zh) 2019-12-03
CN110522461B true CN110522461B (zh) 2020-07-28

Family

ID=68662775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910787410.8A Active CN110522461B (zh) 2019-08-23 2019-08-23 一种判别感官评价人员特殊专注力的方法和系统及装置

Country Status (4)

Country Link
US (1) US20220039717A1 (zh)
CN (1) CN110522461B (zh)
AU (1) AU2020100135A4 (zh)
WO (1) WO2021035879A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111579724B (zh) * 2020-06-01 2022-07-12 中国标准化研究院 一种麻和辣阈上感觉敏感度快速分类方法、装置及应用
CN111912941A (zh) * 2020-08-11 2020-11-10 浙江养生堂天然药物研究所有限公司 感官测试方法、感官测试系统及计算机可读存储介质
CN115629167A (zh) * 2022-11-08 2023-01-20 黑龙江飞鹤乳业有限公司 半固体食品评价方法和应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099421A (ja) * 2001-09-25 2003-04-04 Fuji Photo Film Co Ltd 官能評価尺度作成方法および官能評価尺度作成装置およびプログラム
CN108318628A (zh) * 2018-01-31 2018-07-24 河南中医药大学第附属医院 一种基于苦度阈值浓度的药物苦度测量方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2138199C1 (ru) * 1998-11-24 1999-09-27 Мухина Валерия Сергеевна Способ оценки продуктивности психических функций и эмоциональной стабильности человека (альфа-тест ви.зи.эс.)
US20030233053A1 (en) * 2002-06-14 2003-12-18 Woolf Clifford J. Pain assessment
WO2013153647A1 (ja) * 2012-04-12 2013-10-17 株式会社島津製作所 質量分析装置
CN103366087A (zh) * 2013-06-24 2013-10-23 云南烟草科学研究院 一种单料烟感官评吸数据的处理方法
CN106529582B (zh) * 2016-10-24 2019-08-20 杭州电子科技大学 针对贝叶斯网络中引入专家评价的先验概率评估方法
CN108256762A (zh) * 2018-01-15 2018-07-06 安徽七禾软件有限公司 一种基于物联网的粮食品质评价系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099421A (ja) * 2001-09-25 2003-04-04 Fuji Photo Film Co Ltd 官能評価尺度作成方法および官能評価尺度作成装置およびプログラム
CN108318628A (zh) * 2018-01-31 2018-07-24 河南中医药大学第附属医院 一种基于苦度阈值浓度的药物苦度测量方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Validity and test-retest reliability of the self-completion adult social care outcomes toolkit (ASCOT-SCT4) with adults with long-term physical, sensory and mental health conditions in England;Stacey Rand等;《Health and Quality of Life Outcomes》;20170818;第1-15页 *
史波林等.基于秩相关与聚类分析的评价员排序能力评估.《食品与机械》.2015,第31卷(第2期),第71-75页. *
基于秩相关与聚类分析的评价员排序能力评估;史波林等;《食品与机械》;20150331;第31卷(第2期);第71-75页，第221页 *
感官分析评价小组及成员表现评估技术动态分析;史波林等;《食品科学》;20140430;第35卷(第8期);第29-34页 *
特征选择稳定性研究综述;刘艺等;《软件学报》;20171113;第29卷(第9期);第2559-2579页 *

Also Published As

Publication number Publication date
US20220039717A1 (en) 2022-02-10
CN110522461A (zh) 2019-12-03
WO2021035879A1 (zh) 2021-03-04
AU2020100135A4 (en) 2020-03-12

Similar Documents

Publication Publication Date Title
CN110522461B (zh) 一种判别感官评价人员特殊专注力的方法和系统及装置
Jones et al. Intelligence, human capital, and economic growth: A Bayesian averaging of classical estimates (BACE) approach
Taub et al. A Confirmatory Factor Analysis of Cattell-Horn-Carroll Theory and Cross-Age Invariance of the Woodcock-Johnson Tests of Cognitive Abilities III.
Smith Jr et al. An application of generalizability theory and many-facet Rasch measurement using a complex problem-solving skills assessment
Loy et al. Model choice and diagnostics for linear mixed-effects models using statistics on street corners
Verma Sports research with analytical solution using SPSS
Lockwood et al. Inferring constructs of effective teaching from classroom observations: An application of Bayesian exploratory factor analysis without restrictions
Williams et al. DIF identification using HGLM for polytomous items
Mammadov et al. Use of latent profile analysis in studies of gifted students
CN110570129A (zh) 一种感官评价人员排序能力的评估方法和系统及装置
Reynolds et al. Can students’ attitudes towards mathematics and science be compared across countries? Evidence from measurement invariance modeling in TIMSS 2019
KHALID CLUSTER ANALYSIS-A STANDARD SETTING TECHNIQUE IN MEASUREMENT AND TESTING.
CN108932593A (zh) 一种认知影响因素分析方法及装置
Barnes et al. An introduction to inferential statistics: Testing for differences and relationships
Alawiyah et al. Analysis of misconception on solubility and solubility product constant (ksp) using three-tier multiple choice test
Drasgow et al. Improving the measurement of psychological variables: Ideal point models rock!
Neiles Measuring knowledge: Tools to measure students’ mental organization of chemistry information
Mahmud et al. Variance Difference between Maximum Likelihood Estimation Method and Expected A Posteriori Estimation Method Viewed from Number of Test Items.
Raithatha et al. Panel quality management: Performance, monitoring and proficiency
Davidowitz et al. Undergraduate science and engineering students' understanding of the reliability of chemical data
Garfield et al. Learning to reason about distribution
Robby et al. Analyzing your data statistically
장원진 et al. Analysis of the Status of Students' Knowledge Using Unsupervised Learning
Mijar SELECTION OF STATISTICAL TEST IN EDUCATIONAL RESEARCH AND ASSESSMENT
Tambunan et al. Differences in Learning Outcomes Mathematics Student Using the Jigsaw Method and Contextual Teaching Learning in the Principal Discussion Rectangular Flat Building

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant