SENSORY
DESIGN
FUTURE FOOD TECHNOLOGY
通過通過全球研究，發現感官設計的未來！
我們致力于推動未來食品技術和創新！
上海瑞智能科技有限公司是致力于食品感官分析及感官智能儀器、感官分析軟件代理和銷售
以及技術服務和技術支持的專業公司。
同時，引入全新設備，如：體外模擬消化設備脈沖光電殺菌設備等，
致力于為廣大高校師生提供優質服務。
建立感官詞典的第四個步驟詞匯測試及數據分析
1.驗證及測試
詞典的驗證環節是為了檢驗詞典能否有效地區分樣品，確保詞匯和強度量表能有效區分樣本間的感官特性和差異。測試環節常借助量表來標定強度，常用0~15點強度量表（以0.5為增量或以1.5為增），其中0~15分通用Spectrum量表經常被使用。也有研究者選用五分制量表、十分制量表和全量表（考慮到適用于不同類型的量表，每個參考物的強度被設定為滿分量表的百分比，以便將來進行評價）。
在驗證階段，詞匯的定義是至關重要的，因為不同的感官特性在不同的國家可能用不同的描述詞。這對于跨文化開發的詞匯來說尤其重要，因為這些群體的文化背景不一樣。通常情況下，只要詞匯是標準化的和有代表性的，即使來自不同的文化的訓練有素的感官小組也可以產生可重復的感官結果。當開發一個跨文化使用的詞典時，讓來自所有相關文化、不同國籍的科學家參與是可取的。例如，美國和韓國科學家團隊共同開發了一個泡菜詞典，并將生成的詞匯從英語翻譯成韓語，數據分析表明兩種語言的詞典具有良好的一致性。
2.數據分析
數據分析的方法主要包括主成分分析（PCA）、聚類分析、對應分析等。主成分分析是大多數感官詞典建立者都會選擇的數據處理方法，它的目的是“降維”。完成詞匯的收集與整理之后，我們會得到數量較多的詞匯，如果想要了解哪些屬性在樣品之間差異最大，或是利用哪些重要屬性就能很好地區分樣品，這時就要用到主成分分析。想要在感官詞典中實現“降維”，就是要找出重要詞匯，利用更少的描述詞完成樣品的區分。當重要屬性的數量很多時，可以采用層次聚類分析將其進行合并處理，層次聚類分析生成的樹狀圖簡單易懂，容易理解各個屬性的特點和關系。對應分析（CA）可以用于分析描述性數據之間的特性。除本文介紹的方法之外，還有許多數據處理方法可供選擇，例如方差分析、Fisher最小顯著性差異檢驗、Tukey's檢驗等，這取決于研究目的和樣品的不同特性，研究者可以根據實際情況自由選擇、自由組合不同的數據處理方法。
