技术资料

感官分析中常见的干扰因素及解决方案
        感官评价实际上是以人作为测量仪器进行品尝分析。因为人和仪器相比有个人感情,更容易受到环境的影响,为了保证科学和准确,我们需要避免感官分析中的干扰因素。
        常见的干扰因素如下:
        1. Expectation Error 期望错误:指样品附带的信息导致人产生先入为主的印象,干扰测试准确度。
        解决方法:样品分装后,标识三位随机数字编码,不让品评人员见到产品信息。
        2. Stimulus Error 刺激错误:指样品的其他特征误导品评员。
        解决方法:样品等量分装,颜色需要时可用屏蔽光掩盖等。
        3. Leniency Error 宽容错误:根据研究者的反应或态度,导致品评产生误差。
        解决方法:品评员应拥有独立空间,不要干扰他们的决定。
        4. Suggestion effect 暗示效应:团队成员间互相交流导致的误判。
        解决方法:独立品评,禁止相互交流。
        5. Position Bias 位置误差: 产品品尝顺序对品评员造成误导。
        解决方法:在统计学上使样品总量中某种样品出现的位置均一,即实验设计。
        6. Contrast effect and convergence error 对照效应和集中错误: 因为样品间浓度或口味的影响,夸大或掩饰样品间的差异。
        解决方法:每组样品品尝间清口(用水/饼干/等),控制品尝间隔。
        7. Proximity error 近似错误:相似特征间的关联比其他特征间的关联度可能高一些。常见于同品类品尝,如近似品种的大米品尝。
        解决方法:筛选更敏感的人员完成此项任务。
        8. Central tendency error 中心化错误:所有打分都聚集在中间标度,导致结果没差异。
        解决方法:长期规范训练品评员,尤其给予特定强度和打分的训练。
        来源:消费者之声 
提醒:文章仅供参考,如有不当,欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下,擅自根据文章内容采取行动,因此导致的损失,本运营方不负责。如文章涉及侵权或不愿我平台发布,请联系处理。
“”,专注打造国内专门从事人工+智能感官分析服务的平台。愿为院校、政府机构、食品、化妆品、药品等行业企业,提供更加全面的多元化、定制化服务。愿我们携手并肩,共同助推感官评价的落地应用!

手机:13210910866(微信同号) 邮箱:service@esensmart.com
感官评定
感官评定
  • 关注微信

  • 联系电话

      13210910866
  • 邮箱

      service@esensmart.com
Top
点击这里给我发消息
Baidu
map
Top
Baidu
map