· 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＜1。
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≥3’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。