通过这种方法，临界样本的合格率大幅提升。当天下午，团队就成功制作了 15 组 “略不足” 和 12 组 “略过度” 样本，而且数据都非常精准。“现在临界样本的特征很明显，气孔直径、湿度都在我们设定的范围内，这样模型就能更好地学习这些特征了。” 苏晚拿着放大镜观察着面团的气孔，满意地说道。
林默每天都会检查数据收集进度，他用 Excel 制作了 “样本完成率折线图”，实时跟踪每天的样本完成数量、不同等级样本的占比情况。从图表上可以清晰地看到，随着流水线流程的不断优化，团队的效率越来越高，第三天完成了 45 组样本，第四天完成了 50 组样本，第五天更是完成了 55 组样本，远远超过了预期目标。
在数据收集的过程中，陈曦也发现了一个新的问题。“你们看，这两组同样是合格等级的面团，在早上的自然光下拍摄的照片，颜色偏浅；在下午的灯光下拍摄的照片，颜色偏深。” 陈曦指着电脑屏幕上的两张照片，对团队说道，“不同光线条件下，面团的颜色识别会有差异，这可能会影响模型的判断精度。”
“这个问题确实需要重视。” 林默说道，“实际生产中，车间的光线会随着时间、天气变化，如果模型不能适应这种变化，就可能出现误判。”
“我有一个想法。” 陈曦说道，“我们可以在后续的模型训练中，加入‘光线补偿算法’。通过采集不同光线条件下的样本数据，让模型学习光线变化对颜色特征的影响，自动调整识别参数，抵消光线干扰。现在我们可以先记录每组样本的拍摄光线条件，为后续的算法优化提供数据支持。”
团队采纳了陈曦的建议，在数据收集表中新增了 “拍摄光线条件” 列，详细记录每组样本是在自然光、灯光还是混合光下拍摄的。这个小小的调整，为后续解决环境干扰问题埋下了重要伏笔。
时间一天天过去，数据收集工作有条不紊地推进。苏晚的揉面技术越来越熟练，能精准控制面团的重量和软硬；李萌萌对发酵时间的把握也越来越精准，临界样本的合格率稳定在 90% 以上；小王编写的数据采集程序不断优化，实现了样本数据的自动分类、筛选，大大减少了人工工作量；陈曦则每天检查拍摄的照片质量，确保每个角度的特征都清晰可见。
远在盐城的老周也时刻关注着数据收集的进展，他每天都会给林默发微信询问情况：“林总，数据收集还顺利吗？需要我们再寄点糯米粉过去吗？”
“周叔，一切都很顺利，谢谢你的关心！” 林默每次都会耐心回复，“你们寄来的糯米粉品质很好，制作出来的样本数据很稳定，为我们的模型训练提供了很大的帮助。”
到了第十天，团队终于完成了 500 组样本的数据收集工作。林默打开样本统计数据库，屏幕上的数据令人振奋。
“完美！” 林默激动地说道，“临界样本（略不足 + 略过度）的占比达到了 40%，远超我们设定的 20% 目标，而且数据合格率平均在 97% 以上，样本分布均衡，数据质量很高。有了这些样本，我们的深度学习模型训练就能顺利推进了！”
陈曦看着这些数据，心中充满了信心：“这些样本涵盖了不同发酵等级、不同环境温度、不同批次糯米粉的特征，而且临界样本的数量充足，模型一定能精准学习到不同状态下的特征差异，尤其是那些细微的临界差异。”
苏晚也露出了欣慰的笑容：“这十天虽然很累，但看到这些成果，觉得一切都值了。通过这次数据收集，我也深刻体会到，传统工艺的经验可以转化为可量化的标准，再结合现代科技，就能实现精准控制，这也是我们‘糕小默 2.0’的核心竞争力。”
小王则迫不及待地说道：“现在数据已经收集完毕，我们可以马上开始模型训练了！我已经做好了数据预处理的准备，明天就能将数据输入模型，进行迭代训练。”
林默看着团队成员们疲惫却充满斗志的脸庞，心中十分感动：“这十天大家都辛苦了！但这只是模型训练的开始，接下来我们还要投入更多的精力，确保模型的识别精度稳定在 90% 以上。我相信，凭借我们收集的高质量样本和团队的努力，一定能攻克算法难关，让‘糕小默 2.0’早日量产。”
当天晚上，团队没有举行庆祝活动，而是简单收拾了车间，整理好了所有样本数据。陈曦将 500 组样本数据进行了预处理，包括图像归一化、数据增强、特征提取等，为第二天的模型训练做好了充分准备。
苏晚在整理数据收集表时，看着那列预留的 “传统手测评分”，心中有了一个新的想法：“等模型训练完成后，我们可以将机器识别结果与传统手测评分进行对比，看看模型的识别精度是否能达到甚至超过人工水平。如果可以，我们就能真正实现‘机器替代人工’的目标，为后续的规模化生产打下基础。”
林默点点头：“这个想法很好。传统手艺的经验是无价的，我们的目标不是抛弃传统，而是让传统与现代科技完美结合，让非遗手艺在新时代焕发新的生机。”
夜色渐深，车间里的灯光渐渐熄灭，但团队成员们心中的希望之火却越燃越旺。他们知道，接下来的模型训练将是一场硬仗，但有了这些高质量的样本数据，有了团队的团结协作，他们一定能取得成功。而陈曦提出的 “光线补偿算法”，也将在后续的模型优化中发挥重要作用，让 “糕小默 2.0” 的视觉识别系统能够适应不同的环境条件，实现更精准、更稳定的识别。