综述：解码食物感知：从基于脑电图（EEG）的感官识别技术出发，全面回顾了从信号特征与解码算法到多感官应用的研究进展，以及未来的发展前景

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Decoding food perception: A comprehensive review of EEG-based sensory recognition from signal features and decoding algorithms to multisensory applications and future perspectives

　　张志伟|李梅|曹建新|王学娇|王星伟|陈倩|尹晓宇
中国云南省昆明市昆明理工大学食品科学与工程学院，650500

**摘要**
随着对食品安全、营养和个性化饮食管理的关注日益增加，人们越来越需要了解人类如何感知和评估与食物相关的感官信息，因为这些信息在食物相关决策中起着重要作用。传统的感官评估和电子传感技术可以描述食物的物理化学和感官特性；然而，它们对主观食物感知背后的神经过程提供的洞察有限。脑电图（EEG）凭借其高时间分辨率和非侵入性采集方式，为捕捉与食物相关的感官处理的神经相关性提供了补充方法。

**范围和方法**
本综述综合了基于EEG的食物感官识别的最新进展，整合了四个相互关联的方面：信号采集和预处理、EEG特征表示、解码算法以及多感官应用。它讨论了如何利用事件相关电位（ERPs）、频谱振荡和功能连接性来表征食物感知、情感评估和多感官整合。比较了经典机器学习和深度学习方法，报告的解码准确率通常在视觉食物线索方面为75%至95%，在味觉特征方面为76%–99%，在气味方面高达98%。该综述还评估了模型的可解释性、多模态融合和跨受试者泛化能力。

**主要发现和结论**
现有研究表明，从EEG中提取的特征可以解码视觉、味觉、嗅觉和多感官背景下的食物相关感官信息。然而，目前的证据仍然分散，因为报告的性能受到数据规模、实验设计和验证策略差异的强烈影响，某些研究中存在过拟合或数据泄露的风险。未来的研究应建立标准化的数据集、严格的跨受试者验证、生态现实的食物消费范式以及稳健的多模态融合框架。

**引言**
食品安全和营养健康已成为重要的公共卫生挑战，这些挑战因全球人口增长和生活方式的显著变化而加剧。根据世界卫生组织的数据，每年约有6亿人因掺假等危害而遭受食物相关疾病的影响，导致约42万人死亡（世界卫生组织，2015年，2024年）。食物识别技术受到了学术界和工业界的越来越多的关注，被视为提高食品安全和支持健康管理的关键方法。它可以降低食物过敏者意外摄入的风险（A. C. Wu等人，2022年），并帮助糖尿病患者更准确地估计碳水化合物摄入量并调整胰岛素剂量，从而实现更精确的管理（Rouhafzay等人，2025年）。此外，食物识别技术还可以帮助视力低下或失明的儿童独立识别盘中的食物，减少与用餐相关的不确定性（Fakhrou等人，2021年）。这些好处凸显了食物识别技术日益重要的地位。然而，为了进一步提高这些系统的有效性，了解影响消费者行为的内部感官和认知机制至关重要。在各种识别框架中，基于感官的识别对于破译支配人类进食行为的潜在神经过程尤为重要。

在食物识别领域，食物感官识别是一个关键分支，致力于通过感官属性提取和评估信息。这一学科关注食物相关刺激如何被人类感官和认知系统获取、整合和评价的复杂过程（Verhagen & Engelen，2006年）。它基于一个复杂的多感官整合认知框架，其中视觉、味觉和嗅觉输入在大脑中汇聚，形成对食物的整体感知（Spence，2015年）。除了简单的识别之外，这些整合的神经表征在影响偏好形成和随后的饮食决策中起着重要作用（Rolls，2015年）。

传统的食物感官识别方法通常分为基于人类的感官评估和基于仪器的感官表征（He等人，2024年；Rodrigues等人，2024年）。尽管每种方法都有其独特的优势，但也存在显著的局限性。传统的基于人类的感官评估依赖于专家的主观判断，适用于明确的感官评估，但无法探究潜意识的感知过程。因此，使用这种方法获得的结果容易受到个体差异和环境因素的影响（Bi，2003年；Chen & Darriet，2021年；Giacalone等人，2020年）。相反，基于仪器的方法，包括计算机视觉、电子舌头和电子鼻子，提供了外部食物属性的客观描述（Di Rosa等人，2017年）。计算机视觉量化了颜色和纹理等视觉属性，而仿生设备模仿特定的味觉和嗅觉感知功能（Peris & Escuder-Gilabert，2016年）。然而，尽管这些系统在识别物理化学或外部特征方面非常有效，但它们无法直接揭示食物相关感官信息是如何在人脑中被感知、整合和评估的（Domracheva & Kulikova，2020年）。在这种情况下，脑电图（EEG）作为一种补充的神经视角出现，弥合了外部食物刺激和内部感知过程之间的差距。

EEG记录了大脑皮层的电生理活动，提供了在受控实验条件下大脑如何处理与食物相关的感官信息的时间分辨神经视角（Zsoldos等人，2022年）。如图1所示，多感官食物输入（如视觉、味觉和嗅觉刺激）被大脑处理，转化为神经特征，然后由算法分析以产生决策输出。由于其毫秒级的时间分辨率，EEG非常适合捕捉食物感知过程中的快速和部分前意识的神经反应（Toepel等人，2009年）。例如，尽管参与者可能对蔗糖和人工甜味剂有相似的感知体验，但它们的EEG模式仍然可以区分开来，表明EEG可以揭示食物相关感官处理的微妙差异（Andersen等人，2019年）。此外，EEG通过事件相关电位（ERPs）、频谱特征和功能连接性支持神经活动的多维分析，从而能够研究食物感知、情感评估和多感官整合。最近的食物相关EEG研究进一步展示了神经解码方法在量化感知食物属性方面的潜力（Xia等人，2025b）。此外，机器学习和深度学习的进步扩展了基于EEG的方法在视觉、味觉和嗅觉领域解码食物相关神经信号的能力（Das等人，2025年）。然而，在食物感官识别任务中，EEG信号容易受到眼部、肌肉和环境伪迹的影响，需要仔细的实验设计、严格的预处理和适当的分析模型（Chaddad等人，2023年）。尽管存在这些挑战，EEG提供的优势和宝贵的神经洞察力近年来促进了基于EEG的食物感官识别研究的显著进展。如图2和图3（基于Web of Science数据）所示，2016年至2025年间相关出版物的数量达到了388篇。在此期间，出版物数量和引用影响均呈上升趋势，尤其是2025年的出版物数量显著增加，表明该领域的学术关注度和影响力正在增长。研究主题从早期对神经和感知机制（如ERPs和大脑反应）的研究扩展到更注重应用的主题，包括味觉感知、食物质量评估和数据驱动的分类方法。这些研究表明了EEG在食物感官识别中的可行性，并开辟了几个新兴的研究方向。此外，研究人员旨在表征食物相关感官处理背后的神经编码模式，为后续的解码和分类方法提供基础。EEG已越来越多地应用于特定的食物相关场景，包括甜味剂区分、气味愉悦度和腐败检测以及视觉食物偏好解码。

**部分摘录**
**信号采集和标准化预处理**
EEG通过头皮电极记录皮层神经元活动，以毫秒级的时间分辨率捕获同步的突触后电位（Mucarquer等人，2020年）。标准的EEG采集通常遵循国际电极放置系统，使用现代无线设备，采样率为250–500 Hz，以确保在传统频率带上的高保真数据（Niso等人，2023年）。然而，在与食物相关的EEG研究中，原始信号往往...

**解码算法和模型**
EEG信号提供高维的时间数据，包括ERP和频谱振荡，其中包含反映复杂食物属性感官评估的重要神经生理信息。然而，这些信号与特定食物属性（如味道类别和气味愉悦度）之间的关系往往是非线性的，并且经常被低信噪比和个体间差异所掩盖（Chaddad等人，2023年）。

**视觉刺激的神经解码**
视觉是食物感官识别和评估的主要感官通道。EEG特别适合捕捉与食物感知相关的快速神经动态，因为它具有毫秒级的时间分辨率（图5）。研究表明，视觉系统几乎可以即时识别食物刺激，即使在没有实际消费的情况下也能触发与饥饿、食欲或厌恶相关的情感反应（Becker等人，...）

**总结和未来展望**
本综述通过综合关于神经机制、特征表示、解码方法和多感官应用的证据，探讨了基于EEG的食物感官识别。总体而言，现有研究提供了越来越多的概念验证证据，表明EEG可以解码视觉、味觉、嗅觉和多感官领域中的食物相关感官信息。从EEG中提取的特征提供了关于食物线索如何吸引注意力、味道和气味如何影响感知的时间分辨证据。

**作者署名声明**
张志伟：概念化、调查、正式分析、可视化、撰写——原始草稿。
李梅：正式分析、项目管理。
曹建新：监督、资源提供。
王学娇：监督。
王星伟：监督。
陈倩：监督。
尹晓宇：概念化、撰写-审稿与编辑、资金获取。

**致谢**
本研究得到了中国国家自然科学基金（项目编号32560580）、云南省星电人才支持计划（项目编号XDYC-QNRC-2022-0558）和云南省基础研究项目（项目编号202601AT070309）的支持。