利用JMP的各種功能，我們研究了將鹿兒島縣茶葉市場的生茶圖像分析數據與作為原料的生茶葉以及製造過程中的蒸茶葉的圖像數據關聯起來的方法。
利用鮮葉和蒸茶葉的圖像數據，我們能夠利用 PLS 回歸和神經模型高精度預測粗茶的外觀顏色。透過擬合模型，我們能夠根據品種、投標日期、有無覆蓋物以及蒸葉的飽和度和色調來高精度預測原茶的單價。此外，即使使用透過智慧型手機影像分析應用程式獲得的數據，也觀察到與上述相同的趨勢。
另一方面，雖然茶葉市場影像資料存在一些缺失值，但由於二元關係，平均單價並沒有因缺失值的存在與否而產生差異，且同方差檢定和Kolmogorov-Smirnov 檢定也顯示變異數或分佈沒有差異，因為沒有缺失數據，所以缺失數據被認為是完全隨機的。由於使用 JMP 的缺失值插補函數，使用插補資料集的神經模型的準確性低於沒有缺失值的模型。
上述結果表明，透過現場原料影像來預測毛茶裝運後的品質是可能的。未來，我們將進一步增加樣本數量，以提高預測準確性，並利用這些資訊指導現場採伐和製造。
