가고시마현 차 시장에서는, 황차 품질 개선을 목적으로, 입찰되는 황차의 외관과 하늘색이 디지털 카메라로 촬영되어, 그 화상의 텍스처 해석이나 색도 해석으로부터 얻을 수 있는 수치는, 단가나 화상과 함께 스마트 폰 등등으로 각 농가에게 피드백되고 있다. 이번, 차의 맛이나 향기에 크게 영향을 주는 황차 성분치를, 재배 정보와 화상 해석 데이터로부터 설명·예측하는 수법을 JMP의 각종 기능을 이용해 검토했다.
현내 각 산지로부터 차 시장에 입하·화상 해석·낙찰 후, 근적외법에 의해 성분 분석된 제일 차 1,292 샘플의 데이터 세트를 이용했다. 제일 차 황차 성분치(전질소, 유리 아미노산, 테아닌, 섬유, 탄닌, 카페인, 비타민 C)를 이용한 주성분 분석에서 입찰되는 황차의 특징은 전체 질소와 섬유에 관한 지표의 주 성분 1과, 탄닌이나 카페인량에 관한 지표의 주성분 2로 74.4% 설명할 수 있었고, 단가는 전체 질소와 양의, 섬유와 부의 상관이 있었다.
관리도에서 전체 질소와 섬유는 조업 후반(중생~만생 품종)에서 관리 한계를 일탈하는 사례가 많고, 전체 질소의 사양 하한값을 함유량 5%, 섬유의 사양 상한값을 함유량 22% 그 경우의 부적합률은 각각 4.9%, 6.4%였다.
황차 화상 해석 데이터로부터 전체 질소와 섬유를 예측하기 위해, 재배 정보와 10의 화상 해석 항목을 파라미터로 한 PLS 회귀나 응답 곡면 모델의 적합을 실시한 결과, 양 성분치는, 입찰일과 품종에 또한, 화상 해석 항목의 「흰 줄기」(적채하는 새싹의 숙도의 지표)를 포함한 모델로 설명할 수 있었다. 또한 프로파일의 디자인 스페이스 기능에 의해, 「중~만생의 주요 품종은, 5월 7일까지 백 줄기를 정도 3 이하가 되도록 적채·제조」하면 전질소와 섬유의 사양내 비율을 98.9%로 가능할 것으로 예측되었다.
이상, 황차 성분치는 재배 정보 및 화상 해석 데이터로부터 예측할 수 있어, 사양 내에 유지하는 재배 지표가 얻어졌다. 이러한 정보를 현장에서의 적채·제조에 있어서의 지도에 활용하고 있는 사례를 소개한다.
