利用图像分析预测鹿儿岛县茶叶市场的粗茶成分值及其在现场的应用_Toshi Tomihama (2023-JA-PO-08)在鹿儿岛县茶叶市场，为了提高毛茶的品质，用数码相机拍摄竞标毛茶的外观和光色，并对毛茶的质地和色度分析得出数值。智能手机捕获图像以及单价和图像反馈给每个农民。这次，我们利用JMP的各种功能，研究了一种从栽培信息和图像分析数据中解释和预测对茶的味道和香气有很大影响的粗茶成分值的方法。
我们使用了从县内各个产区运送到茶叶市场的 1,292 个一番茶样品的数据集，通过图像进行分析，并在招标后使用近红外方法进行成分分析。利用一番茶毛茶成分值（总氮、游离氨基酸、茶氨酸、纤维、单宁、咖啡因、维生素C）进行主成分分析发现，竞标毛茶的特性主要基于与总氮相关的指标74.4%可以用成分1和主成分2来解释，这是与单宁和咖啡因含量相关的指标，单价与总氮呈正相关，与纤维呈负相关。
从控制图来看，作业后半段（中晚熟品种）全氮和纤维偏离控制限的情况较多，全氮规范下限为5%含量，且纤维含量上限为 22%，不合格率分别为 4.9% 和 6.4%。
为了从粗茶图像分析数据中预测总氮和纤维，我们使用栽培信息和10个图像分析项目作为参数应用PLS回归和响应面模型，结果发现这两个成分的值均显着。根据投标日期和品种的不同，我们能够使用包含图像分析项目“白茎”（待采摘的新芽成熟度的指标）的模型来解释这一点。此外，利用剖面的设计空间函数，如果“主要中晚熟品种在5月7日之前采收并生产，白梗达到3级以下”，则品种中总氮和纤维的百分比预计达到98.9%。
如上所述，可以根据栽培信息和图像分析数据来预测粗茶成分值，并获得保持在规格范围内的栽培指数。我们将介绍如何利用这些信息来指导现场采伐和制造的示例。
高级统计建模基础数据分析与建模消费者和市场研究数据混合和清理数据探索与可视化实验设计大规模定制预测模型和机器学习质量与工艺工程可靠性分析
