石懷喜 張書(shū)濤

摘? 要：探尋適合產(chǎn)品調(diào)研的圖像灰度區(qū)間，提高產(chǎn)品形態(tài)意象獲取準(zhǔn)確度。以吹風(fēng)機(jī)為研究對(duì)象，對(duì)人眼灰度敏感區(qū)間（中灰度76-180）進(jìn)行分割細(xì)化，基于眼動(dòng)追蹤技術(shù)量化產(chǎn)品圖像認(rèn)知與圖像灰度的映射關(guān)系。利用相對(duì)貼近度計(jì)算獲取產(chǎn)品圖像認(rèn)知最優(yōu)灰度區(qū)間，以及合適的灰度劃分區(qū)間。研究表明，圖像灰度以步長(zhǎng)20劃分時(shí)，灰度對(duì)產(chǎn)品意象認(rèn)知的影響較大；圖像灰度在區(qū)間146-165時(shí)，圖像信息清晰，被試意象加工順暢，大腦認(rèn)知負(fù)荷較小。這一研究可為產(chǎn)品形態(tài)意象研究中的圖像灰度處理提供理論指導(dǎo)。

關(guān)鍵詞：圖像灰度；產(chǎn)品認(rèn)知；意象決策；產(chǎn)品形態(tài)；眼動(dòng)追蹤

產(chǎn)品設(shè)計(jì)從以市場(chǎng)為中心轉(zhuǎn)換為以用戶為中心，同時(shí)用戶通常對(duì)形態(tài)識(shí)別度高的產(chǎn)品更加青睞[1]，因此，針對(duì)新產(chǎn)品的開(kāi)發(fā)設(shè)計(jì)需要充分考慮用戶的意象需求。為了準(zhǔn)確挖掘產(chǎn)品的形態(tài)意象，在產(chǎn)品形態(tài)調(diào)研過(guò)程中，通常采用對(duì)樣本直接去色的方式避免色彩、材質(zhì)等因素的影響。由于色彩明度不同，去色后的圖像灰度也存在差異。當(dāng)色彩明度較低時(shí)，去色后灰度較低；當(dāng)色彩明度較高時(shí)，去色后灰度較高。

彩色圖像轉(zhuǎn)換灰度圖像，其實(shí)質(zhì)是將三通道彩色圖像信息壓縮、提取、降噪，降維成單通道黑白圖像[2]。人類視覺(jué)對(duì)不同灰度的敏感程度不同，通常對(duì)中等灰度最為敏感。實(shí)際應(yīng)用中，將256級(jí)圖像灰度分為高、中、低三個(gè)灰度區(qū)間[3]：0-75為低灰度，76-180為中灰度，181-256為高灰度[4]。在圖像灰度處理中發(fā)現(xiàn)，在中灰度（76-180）區(qū)間內(nèi)，灰度差異會(huì)顯著影響圖像認(rèn)知的準(zhǔn)確性。

人類對(duì)外界信息的獲取與認(rèn)知，80%通過(guò)視覺(jué)輸入，再經(jīng)大腦中的多種高級(jí)功能進(jìn)行加工，因此眼動(dòng)追蹤（Eye-tracking，ET）成為獲取用戶認(rèn)知信息的有效手段[5]。例如，李珍等基于心理學(xué)角度，通過(guò)測(cè)量被試的首次注視持續(xù)時(shí)間、首次注視時(shí)間、注視總次數(shù)、平均瞳孔直徑四項(xiàng)眼動(dòng)指標(biāo)數(shù)據(jù)，運(yùn)用綜合賦權(quán)法對(duì)各指標(biāo)進(jìn)行加權(quán)處理，最終獲得用戶需求[6]。王新亭等利用眼動(dòng)追蹤技術(shù)采集設(shè)計(jì)師閱讀任務(wù)文本、創(chuàng)作草圖時(shí)的眼動(dòng)數(shù)據(jù)，發(fā)現(xiàn)設(shè)計(jì)師自身經(jīng)驗(yàn)與信息資源調(diào)用的數(shù)量、維度、回視次數(shù)和方案質(zhì)量成正比，與作業(yè)時(shí)間和評(píng)判準(zhǔn)確度成反比[7]。

為了提高產(chǎn)品意象認(rèn)知的準(zhǔn)確性，本文面向產(chǎn)品圖像認(rèn)知評(píng)價(jià)中的圖像灰度設(shè)計(jì)問(wèn)題，以吹風(fēng)機(jī)圖像為刺激樣本，在中灰度區(qū)間（76-180）以10為灰度步長(zhǎng)設(shè)計(jì)刺激樣本，采用眼動(dòng)追蹤技術(shù)獲取產(chǎn)品圖像認(rèn)知過(guò)程中的被試眼動(dòng)數(shù)據(jù)，分析圖像灰度與視覺(jué)認(rèn)知的映射關(guān)系，獲取產(chǎn)品圖像認(rèn)知的最優(yōu)灰度區(qū)間，為產(chǎn)品形態(tài)認(rèn)知調(diào)研過(guò)程中的圖像灰度處理提供客觀的理論支撐。

一、面向產(chǎn)品認(rèn)知的圖像灰度評(píng)價(jià)方法

本文基于人眼視覺(jué)灰度特性設(shè)計(jì)產(chǎn)品圖像灰度評(píng)價(jià)實(shí)驗(yàn)，利用眼動(dòng)追蹤技術(shù)測(cè)量圖像灰度與產(chǎn)品認(rèn)知的關(guān)系，獲得產(chǎn)品評(píng)價(jià)的最優(yōu)灰度區(qū)間。產(chǎn)品圖像灰度評(píng)價(jià)流程如圖1所示，主要包括三部分內(nèi)容：1.基于人類視覺(jué)特性的產(chǎn)品圖像灰度認(rèn)知實(shí)驗(yàn)；2.產(chǎn)品圖像灰度眼動(dòng)數(shù)據(jù)處理；3.最優(yōu)產(chǎn)品圖像灰度分析。

（一）產(chǎn)品圖像灰度認(rèn)知實(shí)驗(yàn)

首先，收集并篩選代表性意象詞匯和代表性樣本，利用SD問(wèn)卷獲取代表性樣本意象值并對(duì)樣本分類，然后根據(jù)中灰度（76-180）以10為步長(zhǎng)設(shè)計(jì)實(shí)驗(yàn)刺激樣本，最后以意象詞匯為啟動(dòng)刺激，實(shí)驗(yàn)樣本為目標(biāo)刺激進(jìn)行產(chǎn)品圖像灰度認(rèn)知評(píng)價(jià)實(shí)驗(yàn)。實(shí)驗(yàn)過(guò)程中，被試根據(jù)播放的目標(biāo)刺激判斷其是否與對(duì)應(yīng)的啟動(dòng)刺激（意象詞語(yǔ)）匹配。實(shí)驗(yàn)過(guò)程中，應(yīng)用ErgoLAB軟件記錄反應(yīng)時(shí)間和眼動(dòng)數(shù)據(jù)。

（二）灰度評(píng)價(jià)模型構(gòu)建

為了獲取精確的生理測(cè)量數(shù)據(jù)，減少粗大誤差對(duì)實(shí)驗(yàn)結(jié)果的影響，采用拉伊達(dá)準(zhǔn)則（1）和判定公式（2）篩選并剔除粗大誤差數(shù)據(jù)[8]。

其中：為觀測(cè)值的算數(shù)平均值，σ為標(biāo)準(zhǔn)差給定參數(shù)，Rc為殘差，為觀測(cè)估計(jì)值，c為觀測(cè)次數(shù)。

令被試集合為B={b1，b2，…，bn}，圖像灰度區(qū)間集合為 ，其中n表示被試人數(shù)，h為圖像灰度區(qū)間數(shù)，δ為灰度區(qū)間步長(zhǎng)。

1.圖像灰度用戶行為評(píng)價(jià)模型

被試（b1，b2，…，bn）依次對(duì)灰度進(jìn)行評(píng)價(jià)的反應(yīng)時(shí)間集合為：

灰度的綜合值為

每個(gè)灰度區(qū)間的綜合值為

2.圖像灰度眼動(dòng)測(cè)試評(píng)價(jià)模型

通過(guò)ErgoLAB記錄的眼動(dòng)數(shù)據(jù)，以不同的圖像灰度區(qū)間進(jìn)行劃分，獲得眼動(dòng)指標(biāo)數(shù)據(jù)：

式中：為被試bn對(duì)樣本灰度的各項(xiàng)眼動(dòng)指標(biāo)數(shù)據(jù)，E={e1，e2，…，el}為眼動(dòng)指標(biāo)。

所有被試圖像灰度區(qū)間false的眼動(dòng)綜合值為

每個(gè)圖像灰度區(qū)間的眼動(dòng)數(shù)據(jù)綜合值為

3.圖像灰度評(píng)價(jià)綜合模型

綜合產(chǎn)品圖像灰度評(píng)價(jià)的行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)，構(gòu)建圖像灰度綜合評(píng)價(jià)模型為

二、基于案例的圖像灰度評(píng)價(jià)實(shí)驗(yàn)

（一）樣本及意象篩選

通過(guò)網(wǎng)絡(luò)收集吹風(fēng)機(jī)圖片，并邀請(qǐng)5位專家對(duì)樣本篩選，獲得代表性樣本50個(gè)。邀請(qǐng)6位專家討論并篩選出20個(gè)與吹風(fēng)機(jī)形態(tài)強(qiáng)相關(guān)的意象詞語(yǔ)。通過(guò)網(wǎng)絡(luò)發(fā)放問(wèn)卷對(duì)20個(gè)意象詞語(yǔ)進(jìn)行詞相似度調(diào)研，通過(guò)K-means聚類得到代表性詞語(yǔ)“可愛(ài)的”“時(shí)尚的”“舒適的”“簡(jiǎn)潔的”。對(duì)代表性詞語(yǔ)進(jìn)行反義詞配對(duì)得到“呆板的-可愛(ài)的”“傳統(tǒng)的-時(shí)尚的”“生硬的-舒適的”“繁雜的-簡(jiǎn)潔的”。通過(guò)網(wǎng)絡(luò)發(fā)放5級(jí)調(diào)查問(wèn)卷對(duì)樣本進(jìn)行意象調(diào)研，共有40位被試參與調(diào)查，均為產(chǎn)品設(shè)計(jì)方向研究生，樣本的感性意象值見(jiàn)表1。

（二）實(shí)驗(yàn)材料

以10為步長(zhǎng)分割人眼灰度敏感區(qū)間（中灰度76-180）。但在實(shí)際操作過(guò)程發(fā)現(xiàn)，樣本顏色較深時(shí)，去色后灰度可以達(dá)到70，經(jīng)專家討論，將灰度區(qū)間設(shè)置為65-185。為確保實(shí)驗(yàn)的準(zhǔn)確性，同時(shí)設(shè)置45-55和195-205作為參考灰度區(qū)間，共14個(gè)灰度區(qū)間。為了便于實(shí)驗(yàn)實(shí)施，取灰度區(qū)間中間值進(jìn)行樣本灰度處理，灰度值分別為：70、80、90、100、110、120、130、140、150、160、170、180。依據(jù)表1樣本的感性意象評(píng)價(jià)值，每對(duì)意象詞語(yǔ)選擇3個(gè)吹風(fēng)機(jī)樣本，共4×3=12個(gè)樣本。以意象詞語(yǔ)“繁雜的-簡(jiǎn)潔的”為例，分別選擇極端繁雜的、中性的和極端簡(jiǎn)潔的樣本各1個(gè)。應(yīng)用Solidworks軟件對(duì)12個(gè)樣本重新建模，依據(jù)12個(gè)灰度值，用Keyshot軟件渲染模型，用Photoshop軟件矯正圖像灰度，灰度誤差為±1，共有12×14=168個(gè)樣本（如圖2）。實(shí)驗(yàn)采用“啟動(dòng)刺激”與“目標(biāo)刺激”范式[9]，以4對(duì)意象詞語(yǔ)作為啟動(dòng)刺激材料，以吹風(fēng)機(jī)樣本作為目標(biāo)刺激材料。為降低被試認(rèn)知差異對(duì)實(shí)驗(yàn)準(zhǔn)確度的影響，設(shè)計(jì)意象看板[10]對(duì)被試進(jìn)行認(rèn)知引導(dǎo)，意象看板見(jiàn)圖3。

（三）實(shí)驗(yàn)過(guò)程

本次實(shí)驗(yàn)共招募31名設(shè)計(jì)專業(yè)的學(xué)生作為被試，其中男生16人，女生15人。被試年齡在19-28歲之間，均為右利手，身體健康，能夠清晰觀察到屏幕呈現(xiàn)的實(shí)驗(yàn)材料。實(shí)驗(yàn)前由主試向被試闡述實(shí)驗(yàn)內(nèi)容，且被試簽署實(shí)驗(yàn)知情同意書(shū)。實(shí)驗(yàn)使用ErgoLAB Design實(shí)驗(yàn)設(shè)計(jì)模塊進(jìn)行實(shí)驗(yàn)程序的編寫(xiě)與實(shí)驗(yàn)流程的控制；采用Tobii Pro Fusion非接觸/移動(dòng)終端眼動(dòng)儀采集眼動(dòng)信號(hào)，并結(jié)合ErgoLAB Eye-tracking眼動(dòng)軌跡分析模塊分析眼動(dòng)數(shù)據(jù)。

實(shí)驗(yàn)準(zhǔn)備階段，主試為被試講解意象看板，以降低被試認(rèn)知差異引起的實(shí)驗(yàn)誤差。被試?yán)斫鈱?shí)驗(yàn)內(nèi)容后，進(jìn)行眼動(dòng)儀校準(zhǔn)，并開(kāi)始實(shí)驗(yàn)。實(shí)驗(yàn)具體操作步驟如下：首先，屏幕中央呈現(xiàn)1000ms的“+”注視頁(yè)，引導(dǎo)被試注視；隨后，呈現(xiàn)啟動(dòng)刺激（意象詞語(yǔ)）2000ms；之后，呈現(xiàn)白屏1000ms；最后，呈現(xiàn)目標(biāo)刺激（樣本圖片）。目標(biāo)刺激呈現(xiàn)時(shí)間為被試意象決策時(shí)間，被試需要完成意象判斷，1為極端不匹配、2為不匹配、3為適中、4為匹配、5為極端匹配。被試根據(jù)匹配度在鍵盤(pán)按對(duì)應(yīng)的數(shù)字，決策完成后進(jìn)入下一個(gè)試次。實(shí)驗(yàn)中每個(gè)樣本針對(duì)含義相反的2個(gè)形容詞，各觀測(cè)1次，共168×2=336個(gè)試次。為了保證實(shí)驗(yàn)準(zhǔn)確性，避免被試疲勞引發(fā)的誤差，每進(jìn)行90個(gè)試次，休息3min，實(shí)驗(yàn)預(yù)計(jì)用時(shí)53min，實(shí)驗(yàn)流程如4圖所示。

三、實(shí)驗(yàn)分析

（一）行為數(shù)據(jù)分析

為了消除個(gè)體認(rèn)知差異引起的實(shí)驗(yàn)誤差，篩除誤差較大的反應(yīng)時(shí)間。首先將數(shù)據(jù)帶入公式（1）和（2）去除粗大誤差，然后利用公式（3）（4）和（5）計(jì)算得所有圖像灰度的綜合反應(yīng)時(shí)間值，如表2所示。

（二）眼動(dòng)數(shù)據(jù)分析

本文采用ErgoLAB人機(jī)環(huán)境同步測(cè)試云平臺(tái)導(dǎo)出眼動(dòng)特征數(shù)據(jù)。將數(shù)據(jù)帶入公式（1）和（2）去除粗大誤差，將去除粗大誤差的數(shù)據(jù)帶入公式（6）（7）和（8），得出所有圖像灰度的綜合眼動(dòng)指標(biāo)值見(jiàn)表3。對(duì)眼動(dòng)指標(biāo)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)總注視時(shí)間（相關(guān)系數(shù)為-0.22）、平均注視時(shí)間（相關(guān)系數(shù)為-0.612）、平均掃視次數(shù)（相關(guān)系數(shù)為-0.06）與圖像灰度區(qū)間呈負(fù)相關(guān)。

表3 各圖像灰度下的眼動(dòng)指標(biāo)值

（三）綜合評(píng)價(jià)矩陣構(gòu)建

將被試行為數(shù)據(jù)、眼動(dòng)數(shù)據(jù)和腦電數(shù)據(jù)帶入公式（9），得到反應(yīng)時(shí)間W和眼動(dòng)數(shù)據(jù)Y的綜合圖像灰度評(píng)價(jià)結(jié)果：

（四）相對(duì)貼近度分析

為了對(duì)各圖像灰度區(qū)間進(jìn)行全面評(píng)價(jià)，在不同維度評(píng)價(jià)指標(biāo)下分析各個(gè)灰度區(qū)間對(duì)產(chǎn)品形態(tài)意象認(rèn)知的貢獻(xiàn)優(yōu)劣，下面在各個(gè)維度指標(biāo)下進(jìn)行相對(duì)貼近度計(jì)算和分析。具體步驟如下：

步驟1：計(jì)算各個(gè)評(píng)價(jià)指標(biāo)下的最優(yōu)值和最劣值。

其中，fi為第i個(gè)評(píng)價(jià)指標(biāo)，i=1，2，3，…，α；為第j個(gè)產(chǎn)品圖像灰度，j=1，2，3，…，β。將綜合評(píng)價(jià)結(jié)果的數(shù)據(jù)分別帶入公式（10）和公式（11）中，得各個(gè)評(píng)價(jià)指標(biāo)的最優(yōu)值和最劣值見(jiàn)表4。

表4 各圖像灰度在不同維度下的最優(yōu)值和最劣質(zhì)

步驟2：計(jì)算評(píng)價(jià)值到最優(yōu)值和最劣值的距離。

式中：和分別為第j個(gè)圖像灰度區(qū)間的第i個(gè)評(píng)價(jià)指標(biāo)與最優(yōu)值和最劣值的距離。將綜合數(shù)據(jù)帶入公式（12）和公式（13），可得各圖像灰度評(píng)價(jià)值到最優(yōu)值與最劣值的距離見(jiàn)表5、表6。

步驟3：計(jì)算各圖像灰度的相對(duì)貼近度，作為圖像灰度的評(píng)價(jià)依據(jù)。

式中：。將表6數(shù)據(jù)帶入公式（14）計(jì)算各圖像灰度評(píng)價(jià)值與最優(yōu)值的相對(duì)貼近度見(jiàn)圖5。

從圖5發(fā)現(xiàn)，當(dāng)灰度區(qū)間δ=10時(shí)，各圖像灰度評(píng)價(jià)值與最優(yōu)值的相對(duì)貼近度與圖像灰度之間未呈現(xiàn)出明顯關(guān)系，這可能與圖像灰度區(qū)間劃分步長(zhǎng)取值較小有關(guān)。因此，將圖像灰度區(qū)間（65-185）的步長(zhǎng)δ取值為20，區(qū)間45-55和195-205仍為參考灰度區(qū)間。以圖像灰度區(qū)間65-85為例，計(jì)算圖像灰度區(qū)間65-75和76-85各指標(biāo)評(píng)價(jià)值的均值，作為圖像灰度區(qū)間65-85在各指標(biāo)下的圖像灰度評(píng)價(jià)值。共計(jì)8個(gè)圖像灰度區(qū)間（h110=h45-5510，h120=h65-8520，h220=h86-10520，…，h620=h166-18520，h1410=h195-20510）。計(jì)算得出各評(píng)價(jià)值與最優(yōu)值的相對(duì)貼近度見(jiàn)圖6。

通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)，將實(shí)驗(yàn)圖像灰度區(qū)間設(shè)置為20時(shí)，灰度圖像對(duì)產(chǎn)品形態(tài)認(rèn)知影響顯著。對(duì)四個(gè)評(píng)價(jià)指標(biāo)分析發(fā)現(xiàn)，四個(gè)評(píng)價(jià)指標(biāo)的灰度評(píng)價(jià)值與最優(yōu)值的相對(duì)貼近度值都在區(qū)間146-165達(dá)到最優(yōu)值，在區(qū)間146-165兩端，灰度評(píng)價(jià)值與最優(yōu)值的相對(duì)貼近度值向低灰度和高灰度呈非線性下降。圖像灰度從45到146，隨著灰度的升高，產(chǎn)品形態(tài)特征越來(lái)越清晰，視覺(jué)神經(jīng)捕捉產(chǎn)品形態(tài)特征越來(lái)越容易，大腦的認(rèn)知負(fù)荷變小，用戶產(chǎn)品形態(tài)意象認(rèn)知投入的心理資源減少；圖像灰度從165到205，隨著灰度的升高，產(chǎn)品形態(tài)特征越來(lái)越模糊，視覺(jué)神經(jīng)受到抑制，產(chǎn)品形態(tài)意象判斷需要更多的認(rèn)知資源，用戶認(rèn)知負(fù)荷變大。在區(qū)間146-165，產(chǎn)品形態(tài)特征清晰，視覺(jué)神經(jīng)處于活躍狀態(tài)，產(chǎn)品形態(tài)認(rèn)知加工順暢。

四、結(jié)語(yǔ)

為了準(zhǔn)確獲取用戶的產(chǎn)品形態(tài)意象偏好，去排除色彩、材質(zhì)等因素對(duì)圖像認(rèn)知影響的情況下，本文以吹風(fēng)機(jī)為研究對(duì)象，在中灰度（76-180）以10為步長(zhǎng)設(shè)計(jì)刺激樣本，基于眼動(dòng)技術(shù)探究圖像灰度與產(chǎn)品認(rèn)知評(píng)價(jià)的映射關(guān)系。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)圖像灰度區(qū)間以20為步長(zhǎng)劃分時(shí)，圖像灰度視覺(jué)認(rèn)知差異明顯，灰度對(duì)產(chǎn)品認(rèn)知評(píng)價(jià)的影響較大。圖像灰度在區(qū)間146-165時(shí)，圖像信息明晰，有利于視覺(jué)神經(jīng)獲取產(chǎn)品信息，促進(jìn)大腦對(duì)產(chǎn)品的認(rèn)知決策。本研究可為產(chǎn)品形態(tài)意象研究中的圖像灰度處理提供理論指導(dǎo)。同時(shí)，實(shí)驗(yàn)采用二維的產(chǎn)品圖像作為刺激材料，后續(xù)研究可以采用VR虛擬現(xiàn)實(shí)技術(shù)，從三維視角開(kāi)展相關(guān)研究。

參考文獻(xiàn)：

[1]楊程，曾靜，陳辰，等.基于腦電探究外觀特征對(duì)產(chǎn)品識(shí)別的影響[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2020（9）：1385-1394.

[2]張俊康，金正猛，馮燦.基于原始對(duì)偶方法的圖像去色算法[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2021（4）：51-58.

[3]于天河，趙樹(shù)梅，蘭朝鳳.結(jié)合視覺(jué)特性的紅外圖像增強(qiáng)方法[J].激光與紅外，2020（1）：124-128.

[4]Chen SB，Wang HY.A fragile information hiding technique based on human visual gray sensitivity[J].Advanced Materials Research，2010（121）：1048-1051.

[5]Ilhan AE，Togay A.Pursuit of methodology for data input related to taste in design： Using eye tracking technology[J].DISPLAYS，2023（76）：102335

[6]李珍，茍秉宸，初建杰，等.一種基于眼動(dòng)追蹤的產(chǎn)品用戶需求獲取方法[J].計(jì)算機(jī)工程與應(yīng)用，2015（9）：233-237.

[7]王新亭，鄧瑋丹.基于眼部追蹤技術(shù)的產(chǎn)品意象草圖認(rèn)知差異研究[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2019（2）：287-294.

[8]郭主恩，林麗，陽(yáng)明慶，等.基于無(wú)意識(shí)多模態(tài)內(nèi)隱測(cè)量的產(chǎn)品意象提取模型構(gòu)建[J].計(jì)算機(jī)集成制造系統(tǒng)，2022（4）：1150-1163.

[9]鄭曉丹，岳珍珠.跨通道語(yǔ)義啟動(dòng)對(duì)視覺(jué)注意的影響[J].心理科學(xué)，2022（6）：1329-1336.

[10]Gijsenij A，Vazirian M，Spiers P，et al.Determining key colors from a design perspective using dE-means color clustering[J].COLOR RESEARCH AND APPLICATION，2023（1）：69-87.

作者簡(jiǎn)介：

石懷喜，蘭州理工大學(xué)設(shè)計(jì)學(xué)碩士研究生。

張書(shū)濤，蘭州理工大學(xué)設(shè)計(jì)藝術(shù)學(xué)院教授、碩士研究生導(dǎo)師。研究方向：工業(yè)設(shè)計(jì)、感性工學(xué)。