鼻子闻香，大脑打分：基于嗅觉脑电的食品鉴别新方法

每当我们评价一款草莓汁是否好喝、一瓶玫瑰糖浆是否纯正时，食品工业通常依赖两种方法：一是依靠经过专业训练的人类感官评价员去闻、去尝；二是依靠精密仪器去检测。但这两种方法都有各自的缺点。人类的感受是非常主观的，同一种气味，每个人的主观感受都不一样，很难形成统一的科学标准；而精密仪器虽然能极其精准地分析出食品的化学分子，但它是一台没有感情的机器——它能告诉你这杯果汁里加了哪些香精，却永远无法理解人类闻到它时，心里的感受究竟是什么样的。

东北电力大学的研究团队发表在国际食品科学期刊《Food Chemistry》上的一项研究“Olfactory EEG induced by odor: Used for food identification and pleasure analysis”，给出了一套创新性的解决方案。他们创新性地将脑电信号（EEG）与人工智能算法结合，直接读取大脑在闻到气味那一瞬间的最真实反应。他们不仅能用脑电信号精准识别出你闻到了什么食物，还能评估你的愉悦程度。

文章信息

研究团队精心设计了一套严谨的嗅觉脑电实验，数据采集完成之后，研究团队使用特征工程和集成学习算法来对数据进行分析。整个研究的工作流程如图1所示。

图 1  实验流程

1. 被试

研究人员招募了15名健康的被试者进行测试，其中有11名男性和4名女性，被试者的年龄在21-25岁之间。在实验之前，每一位被试者都经过了初步的嗅觉测试以保证能顺利完成实验。

2. 嗅觉诱发

为了精准控制气味的释放，团队专门研发了一台低噪音的嗅觉诱发仪。这台机器能精确控制气味的浓度和释放时间，把气味分子像微风一样精准地吹入志愿者的鼻腔（图2）。为了激发大脑产生足够强烈的偏好对比，研究人员准备了8种日常食品气味：一半是普遍被认为令人愉悦的香气：薄荷糖浆、玫瑰糖浆、浓缩橙汁、草莓汁；另一半则是充满争议的气味：新鲜虾酱、酸笋、榴莲泥、大蒜泥。

图2 嗅觉诱发器示意图

3. 实验流程

在实验中，志愿者闭上眼睛，专注地呼吸。每种气味会持续释放10秒，紧接着是5秒的休息间隔（如图3左侧所示）。休息结束后，受试者首先需要填写问卷，对该气味带来的主观愉悦度进行评分（如图3右侧所示）。在这个过程中，脑电mao一刻不停地记录着大脑电信号的微小起伏。

图3 实验流程

被试者闻到气味之后需要进行问卷填写，以判断该气味的主观愉悦度

4. 数据分析方法

面对复杂的脑电信号，研究团队设计了一套数据分析算法：首先，研究人员洗去冗杂噪音，精准提取出偏度、模糊熵等与嗅觉相关的核心数学特征；紧接着，研究人员借助带有 Sigmoid 核函数的 K-PCA 降维算法，将高维脑电波瞬间投射成了直观的气味感知维度空间（OPDS）；而在最核心的识别环节，科学家并没有迷信单一模型，而是巧妙采用了集成学习策略，将随机森林（RF）、极限学习机（ELM）和支持向量机（PSO-SVM）共同构成了集成学习模型，提升了气味与愉悦度识别的准确率。

1. 不同气味诱发的脑电地形图差异

当受试者闻到不同食物气味时，大脑神经活动呈现显著区别，脑电地形图直观反映了嗅觉刺激下的脑区激活规律。在气味刺激后0–1 s内：闻到橙汁、草莓汁、薄荷糖浆、玫瑰糖浆等愉悦气味时，大脑额叶区域能量显著增强，神经活动高度集中；闻到虾酱、酸笋、榴莲泥、蒜泥等不愉快气味时，中yang额区出现激活，但顶叶、左侧颞叶及枕叶等负责感觉整合的脑区神经活跃度明显下降，整体激活模式更分散。

图4 嗅觉刺激下的脑电地形图

2. 气味在嗅觉感知维度空间的聚类可视化

将脑电特征构建为嗅觉感知维度空间（EEG-OPDS） 后，8种食物气味呈现清晰的聚类分布：酸笋（S2）与蒜泥（S4）、高浓缩橙汁（S5）与草莓汁（S6）、薄荷糖浆（S7）与玫瑰糖浆（S8）分别高度聚集；虾酱（S1）与榴莲泥（S3）和其他气味区分度高，在空间中独立分布。

图5  VR办公环境下脑电特征与相关色温（CCT）的线性关系

A.基于决定系数R^2的前三项脑电特征线性拟合；B、C. 仅呈现R^2＞0.80特征的相关系数与决定系数，前88项为频段功率、后132项为频段功率比值；D. 显著特征在脑地形图的空间分布，黑点表示$p$＜0.01

3. 基于MMD的气味感知距离量化验证

采用大均值差异（MMD） 量化8类气味在OPDS中的分布距离，结果显示：愉悦气味之间MMD距离更小、感知相似度更高；愉悦气味与不愉悦气味之间MMD距离更大、感知区分度显著，与可视化聚类结果一致，证实OPDS可有效度量不同食品气味的感知差异。

图6  基于mRMR特征排序与二次核支持向量机（kSVM）的光照工况分类脑电特征筛选

4. 8分类气味识别准确率结果

在气味识别任务中，分类性能随特征与空间融合逐步提升：单一特征平均准确率仅46.8%–55.2%，物质空间提升至85.1%；基于EEG-OPDS的集成学习算法，8分类气味识别平均准确率达到96.1%，15名受试者中有14人准确率超过90%，可达99.4%。

表1 气味识别任务的准确率

5. 愉悦度二分类识别准确率结果

在愉悦度感知二分类任务中，单一熵特征平均准确率为67.1%–71.0%，情感空间提升至87.9%；经EEG-OPDS融合后，算法平均准确率进一步提升至98.8%，群体水平分类准确率超过98%，部分受试者达到100。

表2 愉悦度识别任务的准确率

该研究基于嗅觉脑电构建嗅觉感知维度空间（EEG‑OPDS），将人类主观嗅觉感知与机器定量测量有机融合，既弥补了传统电子鼻仅能检测物质特征、无法获取消费者情绪与偏好的不足，也突破了人工感官评价易受主观描述、评价标准不统一等因素干扰的局限。研究实现了对食品气味的精准识别与愉悦度量化评估，可为食品真实性鉴别、伪劣产品溯源提供客观可靠的技术支撑，同时能够直接捕捉消费者对食品气味的愉悦度反应，为食品品质管控、新产品风味研发与感官体验优化提供科学依据。

未来展望

1. 扩充气味样本种类与受试者数量，进一步使嗅觉感知维度空间的普适性与泛化能力。

2. 结合更多脑功能指标，深入解析人类嗅觉感知与情绪加工的神经机制。

3. 推动技术向轻量化、便携化方向发展，实现在线检测、自动化感官评价等实际场景落地。

原文链接

关于维拓启创

相关产品