第192章 “糕小默 2．0” 试产遇挫（1/2）

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。