利用JMP的各种功能，我们研究了将鹿儿岛县茶叶市场的生茶图像分析数据与作为原料的生茶叶以及制造过程中的蒸茶叶的图像数据关联起来的方法。
利用鲜叶和蒸茶叶的图像数据，我们能够使用 PLS 回归和神经模型高精度预测粗茶的外观颜色。通过拟合模型，我们能够根据品种、投标日期、有无覆盖物以及蒸叶的饱和度和色调来高精度预测原茶的单价。此外，即使使用通过智能手机图像分析应用程序获得的数据，也观察到与上述相同的趋势。
另一方面，虽然茶叶市场图像数据存在一些缺失值，但由于二元关系，平均单价并没有因缺失值的存在与否而产生差异，并且同方差检验和Kolmogorov-Smirnov 检验也显示方差或分布没有差异，因为没有缺失数据，所以缺失数据被认为是完全随机的。由于使用 JMP 的缺失值插补函数，使用插补数据集的神经模型的准确性低于没有缺失值的模型。
上述结果表明，通过现场原料图像来预测毛茶装运后的质量是可能的。未来，我们将进一步增加样本数量，以提高预测准确性，并利用这些信息指导现场采伐和制造。
