가고시마현 차 시장에서의 황차 화상 해석 데이터와, 현장에서의 원료의 생차잎과 제조 행정에서의 찐 찻잎의 화상 데이터를 묶는 수법을 JMP의 각종 기능을 이용하여 검토했다.
생잎과 찐 잎의 화상 데이터로부터 PLS 회귀나 신경 모델을 이용하여 황차의 외관 색조를 높은 정밀도로 예측할 수 있었다. 황차 단가는 모델의 적합에 따라 품종이나 입찰일, 피복의 유무에 더하여 찜잎의 채도와 색조에 의해 높은 정밀도로 예측할 수 있었다. 또한, 스마트 폰의 화상 해석 어플리케이션으로 얻어진 데이터를 사용해도, 상기와 마찬가지의 경향이었다.
한편, 차 시장 화상 데이터에는 결측이 있었지만, 2변량의 관계에 의해, 결측의 유무에 의해 단가의 평균에 차이는 없고, 등분산성의 검정이나 코르모고로프·스밀노프 검정에서도 분산이나 분포에 차이 없었기 때문에 결측은 완전히 무작위 결측으로 간주되었다. JMP의 결측치 보완 기능을 이용한 결과, 보완한 데이터 세트를 이용한 신경 모델의 정밀도는 결측치를 제외한 모델보다 낮았다.
이상, 현장의 원료의 화상으로부터 출하 후의 황차 품질의 예측이 가능하다는 것이 시사되었다. 앞으로는 샘플 수를 늘려 예측 정밀도를 높여 현장에서의 적채·제조에 있어서의 지도에 활용해 나갈 것이다.
