第192章 “糕小默 2．0” 试产遇挫 (2/4)

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：

·