利用影像分析預測鹿兒島縣茶葉市場的粗茶成分值及其在現場的應用_Toshi Tomihama (2023-JA-PO-08)級別：初級
【主持人】
鹿兒島縣北辰地方振興局富濱剛
[演講摘要]
在鹿兒島縣茶葉市場，為了提高毛茶的品質，用數位相機拍攝競標毛茶的外觀和光色，並對毛茶的質地和色度分析得出數值。智慧型手機上會捕捉影像以及單價和影像，並將回饋提供給每個農民。這次，我們利用JMP的各種功能，研究了一種從栽培資訊和影像分析資料中解釋和預測對茶的味道和香氣有很大影響的粗茶成分值的方法。
我們使用了從縣內各個產區運送到茶葉市場的 1,292 個一番茶樣品的數據集，透過圖像進行分析，然後在拍賣後使用近紅外線方法進行成分分析。利用一番茶毛茶成分值（總氮、遊離胺基酸、茶胺酸、纖維、單寧、咖啡因、維生素C）進行主成分分析發現，競標毛茶的特性主要基於總氮、遊離胺基酸、茶胺酸、纖維、單寧、咖啡因、維生素C等相關指標。氮和纖維，74.4%可用成分1和主成分2解釋，這是與單寧和咖啡因含量相關的指標，單價與總氮呈正相關，與纖維呈負相關。
從控製圖來看，作業後半段（中晚熟品種）全氮和纖維偏離控制限的情況較多，全氮規範下限為5%含量，且纖維含量上限為22%，不合格率分別為4.9 %和6.4%。
為了從粗茶影像分析資料中預測總氮和纖維，我們以栽培資訊和10個影像分析項目為參數，應用PLS迴歸和響應曲面模型，結果發現這兩個成分的值顯著相關。此外，我們還能夠使用包含影像分析項目「白莖」（待採摘新芽成熟度的指標）的模型來解釋這一點。此外，利用剖面的設計空間函數，如果“主要中晚熟品種在5月7日之前採收並生產，白梗達到3級以下”，則品種中總氮和纖維的百分比規格達到98.9%，預計是可以實現的。
如上所述，可以根據栽培資訊和圖像分析數據來預測粗茶成分值，並獲得保持在規格範圍內的栽培指數。我們將介紹如何利用這些資訊來指導現場採伐和製造的範例。
[主講人簡介]
1996年 九州大學農學研究科畢業
1998年加入鹿兒島縣
[共同主持人]
川崎機工株式會社九州分公司 佐藤 翔一
電子海報預測建模和機器學習可靠度分析
