小李是团队的普通数据采集专员，之前主要负责年轻传承人和老匠人手工数据的采集和整理，工作认真负责，但缺乏专业的检测技术知识。接到任务后，小李既兴奋又紧张：“陈姐，我一定好好学，不辜负您的信任，把多模态数据采集好。”

“我相信你。”陈曦拍了拍小李的肩膀，鼓励道，“江南大学的技术人员都是行业内的专家，你多跟着他们请教，不仅能完成这次的数据采集任务，还能提升自己的专业能力，为后续的系统优化提供支持。”

设备安装调试工作，在江南大学技术人员的指导下，有条不紊地推进着。他们先后在赵爷爷、孙奶奶等8位试点老匠人的作坊里，新增了红外检测点和微生物采样区：红外检测点安装在揉面台和烘烤炉旁，用于实时检测糕团制作过程中的红外吸收峰变化；微生物采样区则设置在作坊的清洁区域，用于采集糕团表面的微生物样本，送往学院实验室进行检测分析。

小主，

安装调试完成后，江南大学的技术人员，开始对小李和团队成员进行培训。“红外光谱仪的核心作用，是检测糕团的分子结构变化，我们通过分析红外吸收峰的位置和强度，就能区分手工与AI生成糕团。”江南大学的张老师，一边操作红外光谱仪，一边向小李讲解，“你看，这是手工猪油年糕的红外吸收峰曲线，在波长3000cm?1附近，有一个明显的吸收峰，这是因为老匠人手工揉面时，面团的蛋白质分子发生了独特的排列变化；而AI生成的猪油年糕，这个吸收峰的强度和位置，都会有明显差异。”

小李认真地听着，一边做笔记，一边仔细观察红外光谱仪的操作流程，时不时提出自己的疑问：“张老师，这个吸收峰的变化，会不会受到原料比例、烘烤温度的影响？我们怎么区分是手工导致的，还是原料、温度导致的？”

张老师笑着说道：“你这个问题问得很好。我们会采集不同原料比例、不同烘烤温度下的手工和AI生成糕团数据，建立对比模型，排除原料和温度的干扰，只提取手工制作独有的吸收峰特征。后续，你采集数据时，也要详细记录每一批糕团的原料比例、烘烤温度，方便我们后续分析。”

在微生物检测培训中，小李更是认真刻苦。他跟着江南大学的李老师，学习微生物采样的方法：用无菌棉签，轻轻擦拭糕团表面，然后放入无菌采样管中，做好标记，及时送往实验室进行检测。“手工糕团的微生物，主要来自老匠人的手部，以及作坊的环境，种类相对丰富；而AI生成糕团，全程无菌操作，微生物种类很少。”李老师向小李讲解道，“我们通过检测微生物的种类和数量，就能形成手工糕团的‘微生物指纹’，这是AI生成糕团无法模仿的。”

培训结束后，多模态数据采集工作正式启动。小李每天穿梭于各个老匠人的作坊，熟练地操作红外光谱仪，采集糕团制作过程中的红外吸收峰数据，同时，认真完成微生物采样工作，详细记录每一批数据的相关信息（原料比例、烘烤温度、制作时间等）。遇到不懂的问题，他就及时联系江南大学的技术人员，或者查阅相关资料，一点点积累经验，专业能力也在快速提升。

赵爷爷的作坊里，小李正操作着红外光谱仪，实时检测赵爷爷制作猪油年糕的红外吸收峰变化。“小李，你这设备，真能看出我手工做的年糕和AI做的不一样？”赵爷爷一边揉面，一边好奇地问道。

小李笑着说道：“赵爷爷，当然能。您看，这个屏幕上的曲线，就是您手工揉面时，年糕的红外吸收峰变化，这个曲线有独特的波动规律，是AI做不出来的。而且，我们还会采集年糕表面的微生物，您手工做的年糕，有您手部的微生物痕迹，形成独特的‘微生物指纹’，这也是AI年糕没有的。”

“这么神奇？”赵爷爷停下手中的动作，凑上前，看着红外光谱仪的屏幕，“没想到，我们老匠人手工做的年糕，还有这么多学问。你们用这些设备，能更好地识别手工年糕，我们也能更放心了。”

“是啊，赵爷爷。”小李说道，“等我们把这些多模态数据，融入到系统算法中，系统的识别精度会大幅提升，到时候，就算有AI模仿您的手艺，系统也能精准识别出来，守护好您的手艺。”

在数据采集过程中，小李也遇到了一些小问题。比如，有的老匠人作坊环境比较潮湿，影响红外光谱仪的检测精度；有的老匠人担心微生物采样会影响糕团的卫生，不愿意配合。针对这些问题，小李耐心地向老匠人解释，说明微生物采样是无菌操作，不会影响糕团的卫生和口感；同时，他也和技术组的人员一起，对红外光谱仪进行了防水处理，调整检测角度，确保采集到的数据准确、完整。

江南大学的实验室里，技术人员也在加班加点，对采集到的微生物样本进行检测分析。一周后，检测结果出来了，一个令人惊喜的发现，让整个团队都振奋不已——手工糕团因手部微生物残留，有12种独特的微生物，这些微生物大多来自老匠人的手部皮肤和作坊环境，形成了独特的“微生物指纹”；而AI生成糕团，由于全程无菌操作，仅含有3种常见的环境微生物，与手工糕团的微生物种类差异显着。

“太好了！这个发现太重要了！”周教授拿着检测报告，兴奋地来到研发中心，“这12种独特的微生物，就是手工糕团最核心的定性特征之一，AI无论如何都无法模仿，有了这个数据，定性维度的识别精度，一定能大幅提升。”

陈曦看着检测报告，脸上露出了欣慰的笑容：“辛苦周教授，辛苦江南大学的团队，也辛苦小李，这段时间采集了这么多高质量的数据。现在，我们有了12维核心特征数据，再加上红外光谱数据和微生物数据，终于可以突破精度瓶颈了。”

本小章还未完，请点击下一页继续阅读后面精彩内容！

接下来，研发团队立刻投入到算法模型的优化工作中。李工带领技术组，将红外光谱吸收峰数据、微生物指纹数据，与之前的12维特征数据进行融合，重新调整算法模型的参数，构建了“12维特征+多模态数据”的全新识别模型，然后用积累的所有数据（200组年轻传承人数据、100组老匠人数据、50组多模态数据），对模型进行了反复训练和调试。

小李也主动加入到数据标注和分析工作中。他凭借这段时间学习的红外光谱数据分析知识，能够快速识别手工与AI生成糕团的红外吸收峰差异，协助技术组，对红外光谱数据进行精准标注；同时，他也参与到微生物数据的分析中，帮助技术组，提取手工糕团独有的微生物特征，为算法优化提供了重要支持。

“陈姐，你看，小李现在已经能独立完成红外光谱数据分析了，甚至能凭借吸收峰曲线，快速区分手工与AI生成糕团，进步太快了。”李工指着屏幕上的数据分析报告，向陈曦说道，语气中满是赞赏。

陈曦看着小李认真工作的身影，脸上露出了笑容：“是啊，小李确实很努力，这段时间，他不仅完成了数据采集任务，还主动学习专业知识，从一个普通的采集专员，成长为能独立完成数据分析的非遗工艺数据分析师，为我们后续的系统优化，提供了很大的支持。”

小李听到两人的夸奖，脸上露出了腼腆的笑容，语气坚定地说道：“陈姐，李工，我还有很多要学的，我会继续努力，做好数据分析工作，帮助团队，尽快把系统精度提升到95%以上。”