Utilizando las diversas funciones de JMP, investigamos un método para vincular datos de análisis de imágenes de té crudo del mercado de té de la prefectura de Kagoshima con datos de imágenes de hojas de té crudas como materia prima en el sitio y hojas de té cocidas al vapor durante el proceso de fabricación.
Utilizando datos de imágenes de hojas frescas y cocidas al vapor, pudimos predecir el color de la apariencia del té grueso con alta precisión utilizando modelos neuronales y de regresión PLS. Al ajustar un modelo, pudimos predecir el precio unitario del té crudo con alta precisión en función de la variedad, la fecha de licitación, la presencia o ausencia de cobertura, así como la saturación y el tono de las hojas cocidas al vapor. Además, se observó la misma tendencia anterior incluso cuando se utilizaron datos obtenidos utilizando una aplicación de análisis de imágenes de un teléfono inteligente.
Por otro lado, aunque hubo algunos valores faltantes en los datos de imagen del mercado del té, debido a la relación bivariada, no hay diferencia en el precio unitario promedio dependiendo de la presencia o ausencia de valores faltantes, y la prueba de homocedasticidad y La prueba de Kolmogorov-Smirnov tampoco muestra diferencias en la varianza o la distribución. Como no faltaban datos, los datos faltantes se consideraron completamente aleatorios. Como resultado del uso de la función de imputación de valores perdidos de JMP, la precisión del modelo neuronal que utiliza el conjunto de datos imputado fue menor que la del modelo sin valores perdidos.
Los resultados anteriores sugieren que es posible predecir la calidad del té crudo después del envío a partir de imágenes de materias primas en el campo. En el futuro, aumentaremos aún más la cantidad de muestras para mejorar la precisión de la predicción y utilizaremos esta información como guía en la recolección y fabricación in situ.
