基地补贴申请成功的喜悦还未完全褪去，林记车间里已经弥漫着紧张又期待的氛围。陈曦带着硬件研发团队，用了整整一个月的时间，完成了 “糕小默 2.0” 的硬件组装与系统调试。这款升级后的智能糕点机，最大的亮点就是新增了视觉识别系统，能够通过高清镜头捕捉面团的外观特征，自动判断发酵程度，无需人工辅助，理论上能将生产效率提升 30%，合格率稳定在 95% 以上。
“所有参数都调试完毕，视觉识别系统已经录入合格面团的标准数据，现在可以开始首次试产了！” 硬件工程师小王擦了擦额头的汗水，语气中难掩兴奋。他负责视觉镜头的安装与校准，为了让识别更精准，光是调试镜头焦距就花了整整三天。
陈曦点点头，眼神中带着期待与审慎：“这次试产目标 100 块豆沙糕，原材料全部使用基地供应的有机糯米粉，严格按照标准配方配比。大家各司其职，密切关注设备运行状态，尤其是视觉识别环节，一旦出现异常立刻暂停。”
林默、苏晚和李萌萌也来到车间，想要见证 “糕小默 2.0” 的首次试产。“这款设备要是能成功量产，不仅能解决我们门店人手不足的问题，还能为后续拓展连锁门店打下基础。” 林默看着通体银白、线条流畅的设备，心中充满了期待。
试产正式开始。有机糯米粉与豆沙馅料按照精准比例投入投料口，设备自动完成搅拌、揉面、分割，一个个大小均匀的面团被输送到发酵区。经过设定好的 25 分钟发酵后，面团被传送带送至视觉识别区域 —— 这里安装着三个不同角度的高清镜头，配合灯光系统，能够 360 度捕捉面团的外观细节，系统则根据预设的 “合格标准”（颜色乳白、表面光滑、无明显气孔）进行自动判定，合格的面团进入下一步压模、蒸制，不合格的则被自动分拣到废料盒中。
整个过程自动化程度极高，看着面团在设备中有序流转，李萌萌忍不住赞叹：“太神奇了！以后再也不用靠老师傅凭经验判断发酵度了，机器比人还精准。”
苏晚却没有完全放松，她盯着视觉识别区域的显示屏，上面实时跳动着面团的识别数据：“现在才刚开始，还要看最终的合格率，毕竟发酵度的判断的是糕点品质的关键，差一点口感就会天差地别。”
一个小时后，100 块豆沙糕全部生产完成。工作人员将蒸制好的糕点从设备中取出，整齐地摆放在托盘上。然而，当大家开始分拣合格产品与废料时，脸上的笑容渐渐凝固了。
“这不对劲啊，怎么有这么多废料？” 负责分拣的员工皱起眉头，指着废料盒中的糕点说道。
陈曦心中一沉，立刻上前查看。废料盒里整齐地躺着 20 块未完成蒸制的面团，都是被视觉识别系统判定为 “不合格” 的产品；而已经蒸好的 80 块豆沙糕中，有 15 块明显存在发酵过度的问题 —— 口感蓬松、气孔过大，咬下去没有应有的软糯感。
“怎么会这样？” 小王脸色瞬间变得苍白，他拿起一块发酵过度的豆沙糕，又对比了一下废料盒中被判定为 “不合格” 的面团，“这些发酵过度的面团，明明外观已经不符合标准了，为什么视觉识别系统会判定合格？而这些被分拣出来的，看起来和合格面团差别不大啊。”
陈曦没有立刻回应，而是立刻组织团队进行数据统计：“先别慌，我们先把所有产品分类，统计具体的误差情况，才能找到问题所在。”
团队立刻行动起来，将产品分为三类：合格产品、发酵过度（视觉误判合格）、发酵不足（视觉误判不合格）。经过仔细清点，数据结果令人沮丧：
· 合格产品：80 块？不，其中 15 块存在发酵过度问题，实际合格产品仅 65 块；
· 视觉误判合格（发酵过度）：15 块；
· 视觉误判不合格（发酵不足）：5 块；
· 总合格率：65%？不对，试产总数 100 块，实际合格 65 块，合格率仅 65%？远低于预期的 95%，甚至比 “糕小默 1.0” 人工辅助判断的 95% 合格率还要低。
“误差率高达 35%？这和我们调试时的结果完全不一样。” 小王的声音带着颤抖，他反复检查视觉镜头的参数，“镜头焦距是准的，灯光也没问题，为什么识别会出现这么大的偏差？”
陈曦看着统计数据，眉头紧锁：“问题比我们想象的更严重。视觉识别系统不仅把 15 块发酵过度的面团误判为合格，还把 5 块发酵不足但接近合格标准的面团误判为不合格，说明系统对发酵程度的判断阈值设置不合理，而且缺乏对关键特征的精准识别能力。”
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。”
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。”
这个意外的发现，让陷入困境的研发团队看到了希望。小王立刻说道：“那我们可以在视觉识别区域增加湿度传感器，同时采集外观特征和湿度数据，通过算法融合两个指标进行判断，这样肯定能降低误判率！”
“这是一个很好的优化方向，但不能操之过急。” 陈曦冷静地说，“我们首先要验证湿度与发酵程度的相关性 —— 收集不同发酵阶段的面团湿度数据，建立‘湿度 - 发酵度’的对应模型；然后再修改算法，将湿度指标融入视觉识别系统，进行二次调试。这个过程可能需要一周时间，但只要方向正确，就能解决问题。”
林默表示支持：“没问题，团队全力配合你的研发工作，需要什么资源我们都尽量满足。首试失败不是终点，而是优化的起点，我们有信心把‘糕小默 2.0’打造成行业领先的智能糕点机。”
为了进一步验证湿度与发酵程度的相关性，团队当天就开始了补充实验。他们按照标准流程制作了 5 组面团，分别发酵 15 分钟（发酵不足）、20 分钟（接近合格）、25 分钟（合格）、30 分钟（轻微过度）、35 分钟（严重过度），然后用湿度仪测量每组面团的表面湿度和内部湿度，同时拍摄外观照片、记录口感特征。
实验数据清晰地显示：面团的湿度与发酵程度呈显着负相关，发酵时间越长，湿度越低，尤其是表面湿度的变化更为明显。合格面团的表面湿度稳定在 65% 左右，误差不超过 ±3%，这个数据可以作为重要的判断指标。
“这个实验结果太有价值了！” 陈曦看着数据，兴奋地说，“我们可以把湿度传感器与视觉识别系统结合起来，建立‘外观特征 + 湿度数据’的双检测模型：当面团的外观特征符合合格标准，且表面湿度在 62%-68% 之间时，判定为合格；只要有一项不达标，就自动分拣出来，由人工进行二次确认。这样既能保证精准度，又能避免过度依赖单一指标导致的误判。”
小王也重新振作起来：“我现在就去采购高精度湿度传感器，争取明天就能安装调试。视觉识别系统的算法也需要修改，把湿度数据作为核心参数之一，优化特征识别模型。”
林默看着重新燃起斗志的团队，心中十分欣慰：“虽然首试遇到了挫折，但我们找到了问题根源，还发现了湿度这个关键指标，这是意外的收获。研发路上没有一帆风顺，只要我们保持严谨的态度、持续优化的决心，‘糕小默 2.0’一定能成功量产。”
李萌萌也笑着说：“等设备优化成功，我们就可以用它生产更多基地原料制作的糕点，既能保证品质稳定，又能提升效率，到时候我们的连锁门店计划就能提上日程了！”
当天晚上，研发团队就制定了详细的优化方案：
1. 硬件升级：在视觉识别区域新增 3 个高精度湿度传感器，分别检测面团表面不同位置的湿度，取平均值作为判断依据；
2. 算法优化：修改视觉识别系统的算法模型，融入湿度数据，建立 “外观 + 湿度” 双指标判断体系，调整误差阈值；
3. 数据补充：收集 1000 组不同发酵状态的面团数据（外观特征 + 湿度 + 口感），训练算法模型，提升识别精准度；
4. 二次试产：完成升级后，进行 500 块糕点的试产，验证优化效果，目标合格率提升至 90% 以上。
苏晚看着团队忙碌的身影，心中感慨万千。从基地模式的建立，到外部合作的拓展，再到智能设备的研发，林记团队一路走来，遇到了无数挑战，但每一次都能凭借团结协作、严谨务实的态度克服困难。她相信，这次 “糕小默 2.0” 的研发瓶颈，也终将成为团队成长的垫脚石。
而她今天偶然发现的湿度指标，不仅为设备优化提供了关键方向，也让她意识到：传统手艺中的经验，往往蕴含着科学的道理。爷爷手测发酵度时 “摸湿度” 的动作，看似是凭感觉，实则是对物理指标的精准把握。未来，林记要做的，就是将传统手艺的精髓与现代科技相结合，打造既保留传统风味、又符合现代生产需求的智能设备，让非遗手艺在新时代焕发新的生机。
夜色渐深，车间里的灯光依然明亮。研发团队还在忙碌地修改算法、整理数据，为 “糕小默 2.0” 的二次试产做着准备。虽然前路依然有挑战，但他们的眼神中充满了坚定与期待 —— 他们相信，只要坚持创新、精益求精，就一定能攻克难关，让林记的智能糕点机成为行业标杆。