林默看着沮丧的团队，走上前拍了拍陈曦的肩膀：“首试失败很正常，研发本来就是一个不断试错、不断优化的过程。我们现在不是要追究责任，而是要尽快找到问题根源，解决问题。”

小主，

苏晚也附和道：“是啊，现在最重要的是收集数据、分析问题。陈曦，你之前说过‘糕小默 1.0’人工辅助判断的误差率只有 5%，我们可以对比一下两者的差异，看看视觉识别系统到底遗漏了哪些关键特征。”

陈曦深吸一口气，压下心中的失落，立刻进入工作状态：“没错，我们先做两个对比分析：一是统计误差类型与占比，明确核心问题；二是拍摄合格与不合格面团的对比照片，标注关键特征差异，为后续系统优化提供依据。”

他首先完善了试产数据统计表，将误差类型细化。

“从数据可以看出，核心问题集中在视觉识别系统对发酵程度的判断上，这部分误差占总误差的 66.7%；另外 15 块废料是机械故障导致的，后续可以通过调试设备解决，问题不大。” 陈曦指着统计表分析道，“对比‘糕小默 1.0’的 5% 误差率，视觉识别系统的精准度远远不够，必须进行优化。”

接下来，陈曦让团队用高清相机拍摄不同状态面团的对比照片。在专业灯光的照射下，合格面团、发酵过度面团、发酵不足面团的差异被清晰地呈现出来：

· 合格面团：颜色乳白，表面光滑，用手轻轻按压有弹性，内部气孔均匀，直径在 1-2mm 之间；

· 发酵过度面团：颜色偏黄，表面有明显凸起的气孔，按压后回弹缓慢，内部气孔粗大，直径≥3mm，部分甚至出现空洞；

· 发酵不足面团：颜色偏白，表面微干，按压后硬度较高，内部气孔稀少，直径＜1mm。

陈曦将这些照片打印出来，逐一标注关键特征：“你们看，发酵过度的面团最明显的特征是‘气孔直径≥3mm’和‘颜色偏黄’，但视觉识别系统的算法没有准确捕捉到这两个特征，导致误判；而发酵不足的面团，系统又对‘表面微干’这个次要特征过于敏感，忽略了‘整体接近合格标准’的核心判断，所以出现了误判。”

小王看着照片上清晰的差异，自责地低下头：“都怪我，调试的时候只关注了表面光滑度，没有考虑到气孔大小和颜色的细微变化，要是视觉镜头的精度再高些，或者算法能更精准地识别这些特征就好了。”

“这不是你一个人的责任，” 陈曦安慰道，“研发团队每个人都有责任，而且视觉识别系统的优化本来就是一个复杂的过程，需要不断调整算法参数、补充特征数据。现在我们已经找到了问题所在，接下来就有了明确的优化方向。”

苏晚在一旁仔细观察着这些面团照片，突然想起了什么。她走到废料盒旁，拿起一块发酵过度的面团和一块合格的面团，分别用手指摸了摸表面的湿度，又下意识地从口袋里掏出随身携带的湿度仪 —— 这是她之前做原料储存调研时买的，没想到现在派上了用场。

“你们看，” 苏晚指着湿度仪上的数值，“合格面团的表面湿度是 65%，而这块发酵过度的面团，表面湿度只有 50%，比合格面团低了 15%！”

她又检测了发酵不足的面团，湿度仪显示 72%：“发酵不足的面团湿度更高，表面更干硬，这会不会也是判断发酵程度的一个关键指标？”

陈曦眼前一亮：“对啊！我怎么没想到湿度这个维度！视觉识别系统只能捕捉外观特征，但面团的湿度变化是内部发酵程度的直接反映 —— 发酵过程中，面团会产生二氧化碳，同时水分会蒸发，湿度会随着发酵程度的加深而降低。我们之前只关注了外观，忽略了湿度这个重要的物理指标，这可能就是视觉识别系统误判的核心原因之一。”

林默也露出了笑容：“苏晚这个发现太关键了！视觉识别 + 湿度检测，双指标判断，应该能大幅提升精准度。这就像你爷爷当年手测发酵度时，不仅要看外观，还要摸湿度、闻气味，是多维度判断的结果。”

苏晚点点头，想起了爷爷传授的手艺：“我爷爷说过，好的发酵面团‘一看颜色、二摸湿度、三闻气味’，外观只是其中一个方面。机器要想达到人工的精准度，也需要模拟这种多维度判断的逻辑。”