第200章 苏晚提出双检测方案（1/2）

车间里的气氛既兴奋又焦灼。误差率稳定在 7.5% 的消息像一剂强心针，让团队看到了量产的希望，但接下来的三天，新的瓶颈又横在了面前。小王按照 “慢工出细活” 的节奏，尝试了调整卷积层激活函数、增加训练迭代次数、优化数据增强策略等 6 种优化方向，可误差率始终在 7.3%-7.5% 之间波动，像被无形的屏障困住，怎么也无法突破 7% 的临界线。

“第 15 组测试完成，误差率 7.4%。” 小王叹了口气，关闭模型训练界面，“无论是调整正则化参数还是扩大测试集，都没什么效果。看来单靠视觉识别模型，已经逼近精度极限了。”

陈曦眉头紧锁，反复查看模型的特征提取报告：“视觉特征能捕捉的信息已经挖尽了。面团的细微差异，比如 0.3mm 以内的气孔变化、微弱的颜色深浅，在图像上几乎无法区分，模型自然无法精准判断。”

李萌萌看着桌上的测试样本，有些着急：“那怎么办？7.5% 的误差率虽然比之前好很多，但量产时还是会出现不少不合格产品，影响口碑啊。”

团队陷入了沉默，之前突破 8% 时的喜悦渐渐被无力感取代。所有人都在绞尽脑汁想技术层面的解决方案，却没人注意到苏晚一直盯着手中的湿度数据记录表，若有所思。

“或许，我们可以换个思路。” 苏晚突然开口，打破了车间的寂静，“一直以来，我们都在依赖纯技术方案，但传统手艺里藏着解决问题的钥匙。我想提出‘视觉识别 + 湿度传感器双检测’方案。”

所有人的目光都集中到她身上。陈曦皱了皱眉，第一反应就是反对：“双检测？这会增加设备的复杂度吧。我们现在的设备结构已经定型，加装传感器需要重新设计安装位置，还得调试数据接口，很可能会延长研发周期。而且，湿度数据真的能提升多少精度？”

“我知道你担心复杂度，但请先看看这些数据。” 苏晚没有退缩，打开自己整理的分析报告，投影在白板上，“这是之前 500 组样本的湿度与发酵等级对应数据 —— 合格样本的湿度范围稳定在 45%-50%，略不足样本在 51%-53%，略过度样本在 42%-44%，不足和过度样本的湿度范围更极端。湿度与发酵等级的匹配度高达 85%，这是比视觉特征更稳定的物理指标。”

她指着其中一组数据：“你看这 10 组之前误判的样本，视觉特征与合格样本高度相似，但湿度都超出了 45%-50% 的范围。如果当时有湿度数据辅助判断，这些误判完全可以避免。”

陈曦的眉头依然没有舒展：“理论上听起来可行，但实际应用中，湿度会不会受环境影响？比如车间温度、面团水分含量变化，都可能导致湿度数据不准。而且加装传感器的成本和时间，我们也得考量。”

“这些问题我都考虑过了。” 苏晚早有准备，拿出另一张表格，“我做了对比测试：单检测（视觉）误差率 7.5%，双检测（视觉 + 湿度）模拟测试 50 组样本 —— 当视觉识别结果为‘合格’但湿度超出 45%-50% 时，自动标记为‘待复核’，结合湿度对应的发酵等级修正判断；当视觉识别与湿度数据匹配时，直接判定结果。最终模拟误差率只有 4%，精度提升了 3.5 个百分点。”

她接着说：“至于环境影响，我们可以在传感器周围加装恒温罩，减少温度波动的干扰；面团水分含量我们已经有标准化制作流程，偏差不会超过 2%，不会影响湿度判断。而设备改造方面，我咨询过供应商，普通的高精度湿度传感器单价只要 50 元，安装位置可以选在视觉识别区域的下方，不影响现有结构，改造时间最多 1 天，完全不会显着延长研发周期。”

林默看着白板上清晰的数据对比，眼中闪过一丝赞许：“苏晚的方案很有说服力。数据不会说谎，双检测方案能将误差率降到 4%，这已经达到了我们的预期目标。而且成本低、周期短，可行性很高。”

小王也附和道：“我支持苏晚姐的方案。之前我就觉得单一维度的数据不够全面，湿度数据能很好地弥补视觉识别的短板。加装传感器的工作交给我，我保证一天内完成改造和调试。”

陈曦沉默了片刻，反复看着苏晚给出的数据报告。他不得不承认，苏晚的方案既解决了当前的精度瓶颈，又没有带来过多的额外成本和周期压力，比单纯追求技术优化更具性价比。他之前之所以反对，是担心技术方案的稳定性，但数据已经充分证明了双检测的优势。

“我同意尝试这个方案。” 陈曦终于松口，语气中带着一丝释然，“之前是我太固执于纯技术路线，忽略了传统经验的价值。湿度数据确实是很好的辅助判断依据，双检测方案能让设备更可靠。”

看到陈曦认可，苏晚露出了欣慰的笑容：“其实这个方案，也是受了传统手测经验的启发。我爷爷做糕点时，除了看外观，还会用手感受湿度和弹性，这就是最原始的‘多维度检测’。我们只是把这种经验量化、标准化，用技术手段实现而已。”

林默点点头：“这正是我们研发‘糕小默 2.0’的核心目标 —— 融合传统与技术，让非遗手艺通过现代科技得到更好的传承和发展。苏晚，你不仅提出了技术方案，更抓住了我们研发的初心。”

当天下午，小王就带着采购来的湿度传感器，投入到设备改造中。他按照之前规划的安装位置，在视觉识别区域下方钻孔、固定传感器，再连接数据接口，调试与模型的兼容性。苏晚在一旁协助，负责校准传感器的精度，确保湿度数据的准确性。

“传感器安装好了，现在开始校准。” 小王打开调试软件，将一组已知湿度的面团样本放在传感器上，屏幕上立刻显示出数据：47.2%。“和实际湿度 47% 基本一致，精度没问题。”

苏晚笑着说：“太好了！接下来我们把湿度数据的权重规则写入模型 —— 视觉识别为‘合格’时，湿度在 45%-50% 之间，直接判定合格；湿度在 51%-53%，修正为‘略不足’；湿度在 42%-44%，修正为‘略过度’；超出这个范围，标记为‘待人工复核’。”