民以食为天,风味是食品之魂,人们愈来愈注重食品的感官品质。有调查显示,食品的感官品质优劣影响消费者的购买意向。因此,食品感官评价在食品行业中占据着十分重要的地位。本文基于人脸识别技术对食品味道给予感官评价,借助人脸识别技术具有的直观性、易区分性、非侵犯性、非强制性、非接触性等优势,通过观测顾客品尝食品时的面部表情,分析用户对所品尝食品的喜恶。本文研究适用于对食品质量做辅助的客观评价,能够反馈给食品商家相关信息、以提高顾客满意度,并为食品企业生产者、管理者提供决策支持。本文研究涉及机器学习、图像处理学、心理学、食品科学等领域,采用理论研究与试验测试相结合的研究方法。传统的食品感官评价是由评价员进行感官鉴定。由于评价员培训周期长、且每个评价员嗜好、敏感度不同,导致评判结果不公平,并缺乏一般性、真实性。而基于人脸识别技术的食品感官评价是以顾客为中心,评价结果具有很高的稳定性和一致性,克服了产品信息量有限、测试时间短、个体敏感度差异等缺点,并为以后食品感官评价技术的发展方向奠定了基础。本文关键点是利用人脸表情识别技术来对食品做感官鉴定。传统的人脸表情特征提取方法存在一定的局限性,为提取到更有效的表情图像信息,本文提出基于特征算子的表情特征提取算法及基于深度学习的人脸表情特征提取算法。本文主要的研究工作如下:第一,本文提出一种基于Gabor特征和韦伯局部描述特征融合的表情特征提取算法,通过结合两种算法的优点,增强了提取人脸表情图像特征的能力。与相关算法进行比较,实验结果表明本文算法具有更优的表情识别性能。第二,针对大样本人脸表情数据集,本文提出深度小卷积神经网络,并使用批规范化、数据增强等策略以缓和严重的过拟合;针对小样本人脸表情数据集,本文提出迁移学习方法,通过学习Xception网络模型的高阶特征表示,将知识表示应用于人脸表情数据集。实验结果表明,本文提出的深度小卷积神经网络和迁移模型都取得了较高的人脸表情识别率。第三,本文开发了一套基于人脸识别技术的实时食品感官评价系统,采用网络摄像机实时检测顾客品尝食物时的面部表情,可应用于实时的食品感官评价任务中。