车间里的时钟指向上午九点，第三轮模型训练的最终结果新鲜出炉：训练集识别准确率 96%，验证集识别准确率 95%。看着屏幕上近乎完美的训练数据，团队成员们脸上都洋溢着期待的笑容，仿佛已经看到了 “糕小默 2.0” 顺利量产的场景。
“按照这个数据，实际测试的准确率应该能达到 90% 以上吧？” 李萌萌一边整理新制作的测试样本，一边兴奋地说道。为了确保测试结果的客观性，她和苏晚花了整整一天时间，制作了 50 组全新的样本，涵盖所有发酵等级，其中特意增加了 20 组 “略不足” 与 “合格” 的临界样本 —— 这正是之前模型最容易误判的类型。
陈曦将 50 组测试样本的数据导入模型，点击 “预测” 按钮。所有人都屏住了呼吸，紧紧盯着屏幕上跳动的进度条。几秒钟后，测试结果弹出，喜悦的笑容瞬间从大家脸上褪去：识别准确率 85%，误差率 15%。
“怎么才 85%？” 小王忍不住皱起眉头，语气中带着失望，“训练集和验证集的准确率都达到 95% 了，为什么实际测试还差这么多？”
林默接过陈曦打印的测试报告，仔细查看误判样本的分布情况：“误差率 15%，虽然比最初的 20% 下降了 5 个百分点，但距离我们预期的 5% 目标还有很大差距。而且你们看，误判主要集中在‘略不足’与‘合格’这两个等级，误判率高达 25%，其他等级的误判率只有 8%。”
苏晚拿起放大镜，逐一观察那些误判样本的实物：“这组‘略不足’的样本被判定为合格，我们看看它的特征。气孔直径 1.7，湿度 67%，而合格样本的标准是气孔直径 1.5-2、湿度 62%-68%。两者的特征几乎重叠，尤其是气孔差异还不到 0.5，肉眼都很难区分，更别说模型了。”
陈曦打开误判样本的高清图片，用专业软件测量特征参数：“确实如此。所有误判的‘略不足’与‘合格’样本，气孔直径差异都小于 0.5，表面颜色、光滑度等视觉特征也高度相似，模型很难捕捉到这种细微差异。之前我们虽然增加了卷积层数量，但 3 层卷积层的提取能力还是有限，无法精准识别这种临界特征。”
团队刚刚燃起的希望又一次被浇灭。如果核心的 “略不足” 与 “合格” 误判问题无法解决，“糕小默 2.0” 的量产计划就只能继续推迟。车间里陷入了沉默，每个人的脸上都写满了焦虑。
“大家别着急，误差率从 20% 降到 15%，已经是很大的进步了。” 林默率先打破沉默，他拿起笔在白板上画了一张误差率下降折线图，将每一次优化后的误差率标注出来，“你们看，从最初的 35% 到 20%，再到现在的 15%，我们一直在进步。现在的问题很明确，就是模型对细微特征的捕捉能力不足，以及对临界样本的判断缺乏更可靠的辅助依据。只要针对性解决这两个问题，误差率一定能继续下降。”
苏晚看着手中的湿度数据记录，突然眼前一亮：“之前我们发现湿度数据与视觉识别结果的匹配度高达 85%，或许可以在模型中加入湿度数据的权重。比如，当模型判定样本为‘合格’时，如果其湿度数据与合格标准的匹配度低于 80%，就自动将其标记为‘待确认’，不直接判定为合格。这样就能利用湿度数据的物理特性，辅助视觉识别，降低误判率。”
“这个想法可行！” 陈曦立刻表示赞同，“‘略不足’与‘合格’样本的视觉特征相似，但湿度数据还是有细微差异。合格样本的湿度通常在 63%-66% 之间，而‘略不足’样本的湿度多在 67%-69% 之间。如果给湿度数据设置权重，当湿度匹配度≥80% 时才判定为合格，就能有效区分这两种样本。”
小王也补充道：“另外，我们可以增加卷积层的数量。3 层卷积层只能提取到表面的宏观特征，增加到 5 层后，模型能深入提取到气孔分布密度、边缘光滑度等细微特征，对 0.5 以下的气孔差异也能捕捉到。不过卷积层数量不能太多，否则会导致模型训练时间过长，还可能出现新的过拟合问题。”
林默综合大家的意见，做出决策：“就按这个思路优化。小王负责调整模型参数，将卷积层从 3 层增至 5 层，同时优化激活函数和学习率；苏晚负责制定湿度数据的权重标准，明确不同发酵等级的湿度匹配阈值；陈曦负责模型的重新训练和兼容性调试；我负责跟踪测试效果，确保误差率能降至 10% 以下。”
方案确定后，团队立刻投入紧张的优化工作。小王坐在电脑前，专注地修改模型结构参数。他没有直接将卷积层增至 5 层，而是先尝试增加到 4 层，训练后测试误差率降至 13%；再增加到 5 层，误差率进一步下降到 11%；当尝试增加到 6 层时，误差率反而回升到 12%，还出现了轻微的过拟合迹象。
“看来 5 层卷积层是最优配置。” 小王松了口气，向团队汇报测试结果，“5 层卷积层既能提升对细微特征的捕捉能力，又不会导致过拟合，而且训练时间只比之前增加了 2 小时，在可接受范围内。”
苏晚则根据之前收集的 500 组样本数据，制定了详细的湿度权重标准：“合格样本的湿度标准是 62%-68%，我们设定湿度匹配度≥80% 时，才认可模型的视觉识别结果；如果湿度匹配度在 60%-80% 之间，就将样本标记为‘待确认’，需要结合其他特征进一步判断；如果湿度匹配度＜60%，则直接否定视觉识别结果，按湿度对应的等级判定。”
她举了个例子：“比如一组样本被模型视觉识别为‘合格’，但它的湿度是 69%，与合格样本的湿度标准匹配度只有 75%，低于 80%，我们就不判定它为合格，而是标记为‘待确认’，再结合气孔直径等特征综合判断，这样就能有效降低误判率。”
陈曦将调整后的模型结构和湿度权重标准融入算法，启动了第四轮模型训练。这一次，模型不仅要学习视觉特征，还要结合湿度数据的权重进行判断，训练难度更大，但针对性也更强。
团队成员们没有像之前那样守在电脑旁，而是各自忙碌着后续的准备工作。苏晚整理了所有误判样本的特征数据，制作成 “误判样本分析手册”，方便团队随时查阅；李萌萌则开始准备下一轮测试的样本，特意增加了 “略不足” 与 “合格” 临界样本的数量，确保测试结果能真实反映模型的优化效果；林默则联系了几位糕点老师傅，邀请他们在后续的测试中提供人工判断参考，对比模型识别与人工判断的差异。