联邦学习试点的推进，像一缕春风，吹散了笼罩在陈曦团队心头的阴霾。5位核心老匠人的参与，为系统算法训练提供了100组珍贵的老匠人手工数据参数，研发中心的屏幕上，算法模型的识别精度，正以肉眼可见的速度稳步提升——从82%攀升至85%，每一个百分点的突破，都凝聚着团队与老匠人们的共同努力。
第604章结尾，老匠人联盟的信任重建全面展开，已有8位老匠人加入联邦学习试点，更多老匠人正陆续动摇，数据采集的僵局彻底被打破。陈曦团队原本以为，只要积累足够多的老匠人数据参数，就能快速将识别精度提升至协会要求的95%以上，可现实却再次给了他们一记重击。
这天清晨，研发中心里，李工盯着屏幕上的精度曲线，脸色再次变得凝重。他反复调试算法参数，对比分析100组老匠人数据与200组年轻传承人数据的差异，却始终无法突破85%的瓶颈。“陈姐，不对劲，我们明明补充了老匠人的核心数据参数，可精度还是停留在85%，没有进一步提升的迹象。”李工语气急切地向陈曦汇报，指尖在键盘上快速敲击，调出一组组数据对比图，“我排查了所有可能的问题，算法模型没问题，数据标注也没问题，问题出在数据本身。”
陈曦快步走到李工身边，目光紧紧锁定在屏幕上的数据图表。图表清晰地显示，在8项量化维度上，识别精度已经达到了90%以上，尤其是揉面力度波动、原料混合顺序等维度，识别准确率甚至接近95%；但在4项定性维度上，精度却普遍偏低，其中，塑形细微纹路识别精度仅78%，手工温度残留识别精度也只有80%，正是这两项的拉低，导致整体精度无法突破。
“定性维度的识别，还是太困难了。”陈曦眉头紧锁，轻声说道。她心里清楚，定性维度之所以难以突破，核心原因在于，目前团队仅依靠视觉数据（高速摄像机拍摄的纹路）和力度数据，无法全面捕捉手工工艺的独有特征。比如塑形细微纹路，手工制作的纹路看似杂乱无章，却藏着老匠人手指发力的习惯和经验，仅靠视觉观察，很难区分手工纹路与AI模仿的精细纹路；而手工温度残留，更是细微到难以用普通传感器捕捉，AI生成的糕团经过精准控温，表面温度与手工糕团差异极小，普通检测方式根本无法有效区分。
“我们已经尝试了各种算法优化方法，调整了特征权重，增加了定性维度的数据标注量，但效果还是不理想。”李工无奈地说道，“仅靠视觉和力度数据，根本无法精准捕捉定性维度的核心特征，再这样下去，我们就算积累再多的老匠人数据，也很难突破85%的精度瓶颈。”
研发团队的士气，再次陷入低谷。之前联邦学习试点成功带来的喜悦，渐渐被精度停滞不前的焦虑取代。张教授看着屏幕上的数据，忧心忡忡地说道：“陈曦，定性维度是区分手工与高端AI生成产品的核心，要是这部分精度无法提升，就算其他维度精度再高，整个系统也无法达到‘溯源保真’的要求，更无法通过协会的验收。”
王宇也从老匠人作坊赶了回来，带来了老匠人们的疑问：“陈姐，赵爷爷他们问，为什么系统已经用了他们的手艺数据，还是无法精准识别手工糕团？有几位老匠人甚至开始担心，是不是我们的技术不行，无法守护好他们的手艺。”
一边是定性维度识别精度停滞不前，无法满足协会要求；一边是老匠人们的信任面临考验，数据采集的推进可能受阻。陈曦坐在会议室的主位上，沉默不语，指尖轻轻敲击着桌面，脑海里反复思索着破解之法。她知道，现在必须找到一种新的技术手段，补充定性维度的识别数据，才能突破精度瓶颈。
“或许，我们可以引入多模态技术。”就在这时，一直沉默的食品检测专家周教授开口了。周教授是江南大学食品学院的教授，也是团队的特邀顾问，之前在跨界研讨会上，曾为特征维度的确定提供了重要支持。此刻，他推了推眼镜，语气沉稳地说道：“目前我们仅依靠视觉和力度两种模态的数据，无法全面捕捉手工糕团的独有特征。如果能引入红外光谱、微生物检测等多模态技术，采集更多维度的特征数据，就能精准区分手工与AI生成糕团的定性差异。”
“多模态技术？”陈曦眼前一亮，连忙问道，“周教授，具体怎么操作？红外光谱和微生物检测，能捕捉到哪些手工独有的特征？”
周教授点了点头，耐心解释道：“红外光谱技术，可以检测糕团的分子结构差异。手工制作过程中，老匠人的手部温度、发力方式，会影响糕团原料的分子排列，形成独特的红外吸收峰；而AI生成糕团，原料混合和加工过程都是标准化的，分子排列相对规整，红外吸收峰与手工糕团有明显差异。”
他顿了顿，进一步补充道：“微生物检测则更具针对性。老匠人手工制作时，手部会残留少量微生物，这些微生物会附着在糕团表面，形成独特的‘微生物指纹’；而AI生成糕团，全程由机器操作，几乎没有手工微生物残留，微生物种类和数量与手工糕团有显着区别。只要我们能采集到这些多模态数据，结合之前的12维特征，就能大幅提升定性维度的识别精度，突破目前的瓶颈。”
周教授的话，让陈曦和团队成员们重新看到了希望。李工立刻说道：“如果真能引入这两种技术，采集到红外光谱和微生物数据，相信定性维度的识别精度能大幅提升，整体精度突破90%应该没问题，甚至有可能达到95%的目标。”
可这份喜悦，并没有持续太久。当陈曦询问周教授，引入这些技术需要多少成本时，周教授的回答，让所有人都陷入了沉默。“红外光谱仪一台就要几十万，微生物检测设备也不便宜，再加上采样工具、数据处理软件，整套设备下来，至少需要一百万。”周教授语气凝重地说道，“而且，这些设备需要专业人员操作和维护，后续还会产生一笔不小的费用。”
一百万的设备成本，远远超出了陈曦团队的预算。之前的联邦学习试点，已经投入了大量的资金用于本地服务器的采购和安装，团队的资金储备已经所剩无几。“我们目前的预算，最多只能拿出三十万，根本不够购买这些设备。”陈曦语气沉重地说道，“如果强行采购，不仅会导致资金链断裂，后续的设备维护和人员培训，也无法跟上。”
一边是精度不达标，无法通过协会验收，无法守护老匠人的手艺，前期所有的努力都可能付诸东流；一边是成本超支，资金链断裂，项目可能被迫中止。团队再次陷入了两难的境地。李工皱着眉说道：“难道我们只能放弃多模态技术，眼睁睁看着精度停留在85%吗？”
“不行，我们不能放弃。”陈曦深吸一口气，语气坚定地说道，“多模态技术是突破精度瓶颈的唯一办法，我们必须想办法解决成本问题。周教授，您是江南大学食品学院的教授，有没有可能，我们通过校企合作的方式，分摊设备成本？”
陈曦的话，点醒了周教授。他眼睛一亮，说道：“对呀，校企合作！江南大学食品学院，一直致力于食品工艺与AI技术的融合研究，正好缺少非遗手工糕团的相关数据用于学术研究。如果我们能与学院达成产学研合作，学院可以为我们提供红外光谱仪、微生物检测设备，以及专业的技术人员支持；我们则共享采集到的非遗工艺数据（仅用于学术研究，不涉及老匠人核心隐私），这样一来，设备成本就能大幅降低，甚至不需要我们额外投入资金。”
“太好了！这简直是雪中送炭！”陈曦脸上露出了久违的笑容，“周教授，那就麻烦您牵线搭桥，我们尽快与江南大学食品学院对接，敲定合作细节。”
接下来的三天，周教授积极与江南大学食品学院沟通，陈曦也亲自带队，前往学院洽谈合作事宜。学院方面，对非遗手工糕团的工艺数据非常感兴趣，尤其是联邦学习模式下的本地数据采集方式，既保证了数据的真实性，又保护了老匠人的隐私，与学院的研究需求高度契合。双方很快就达成了共识，签订了产学研合作协议。
协议明确规定：江南大学食品学院，为陈曦团队提供全套红外光谱检测设备、微生物检测设备，以及3名专业技术人员，负责设备的安装、调试和操作指导；陈曦团队，将采集到的非遗手工糕团多模态数据（去隐私化处理后），共享给学院用于学术研究，双方共同开展“手工与AI生成糕团多模态特征识别”研究，实现优势互补、互利共赢。
校企合作的达成，彻底解决了设备成本的难题。陈曦团队终于可以顺利引入多模态技术，开展新的数据采集工作。为了确保采集工作顺利推进，陈曦对团队进行了分工：李工带领技术组，配合江南大学的技术人员，完成设备的安装和调试；王宇负责与老匠人沟通，说明多模态数据采集的目的和流程，争取老匠人的配合；小李负责数据采集的具体工作，跟随江南大学的技术人员学习，掌握红外光谱检测和微生物采样的方法。
小李是团队的普通数据采集专员，之前主要负责年轻传承人和老匠人手工数据的采集和整理，工作认真负责，但缺乏专业的检测技术知识。接到任务后，小李既兴奋又紧张：“陈姐，我一定好好学，不辜负您的信任，把多模态数据采集好。”
“我相信你。”陈曦拍了拍小李的肩膀，鼓励道，“江南大学的技术人员都是行业内的专家，你多跟着他们请教，不仅能完成这次的数据采集任务，还能提升自己的专业能力，为后续的系统优化提供支持。”
设备安装调试工作，在江南大学技术人员的指导下，有条不紊地推进着。他们先后在赵爷爷、孙奶奶等8位试点老匠人的作坊里，新增了红外检测点和微生物采样区：红外检测点安装在揉面台和烘烤炉旁，用于实时检测糕团制作过程中的红外吸收峰变化；微生物采样区则设置在作坊的清洁区域，用于采集糕团表面的微生物样本，送往学院实验室进行检测分析。
安装调试完成后，江南大学的技术人员，开始对小李和团队成员进行培训。“红外光谱仪的核心作用，是检测糕团的分子结构变化，我们通过分析红外吸收峰的位置和强度，就能区分手工与AI生成糕团。”江南大学的张老师，一边操作红外光谱仪，一边向小李讲解，“你看，这是手工猪油年糕的红外吸收峰曲线，在波长3000cm?1附近，有一个明显的吸收峰，这是因为老匠人手工揉面时，面团的蛋白质分子发生了独特的排列变化；而AI生成的猪油年糕，这个吸收峰的强度和位置，都会有明显差异。”
小李认真地听着，一边做笔记，一边仔细观察红外光谱仪的操作流程，时不时提出自己的疑问：“张老师，这个吸收峰的变化，会不会受到原料比例、烘烤温度的影响？我们怎么区分是手工导致的，还是原料、温度导致的？”
张老师笑着说道：“你这个问题问得很好。我们会采集不同原料比例、不同烘烤温度下的手工和AI生成糕团数据，建立对比模型，排除原料和温度的干扰，只提取手工制作独有的吸收峰特征。后续，你采集数据时，也要详细记录每一批糕团的原料比例、烘烤温度，方便我们后续分析。”
在微生物检测培训中，小李更是认真刻苦。他跟着江南大学的李老师，学习微生物采样的方法：用无菌棉签，轻轻擦拭糕团表面，然后放入无菌采样管中，做好标记，及时送往实验室进行检测。“手工糕团的微生物，主要来自老匠人的手部，以及作坊的环境，种类相对丰富；而AI生成糕团，全程无菌操作，微生物种类很少。”李老师向小李讲解道，“我们通过检测微生物的种类和数量，就能形成手工糕团的‘微生物指纹’，这是AI生成糕团无法模仿的。”
培训结束后，多模态数据采集工作正式启动。小李每天穿梭于各个老匠人的作坊，熟练地操作红外光谱仪，采集糕团制作过程中的红外吸收峰数据，同时，认真完成微生物采样工作，详细记录每一批数据的相关信息（原料比例、烘烤温度、制作时间等）。遇到不懂的问题，他就及时联系江南大学的技术人员，或者查阅相关资料，一点点积累经验，专业能力也在快速提升。
赵爷爷的作坊里，小李正操作着红外光谱仪，实时检测赵爷爷制作猪油年糕的红外吸收峰变化。“小李，你这设备，真能看出我手工做的年糕和AI做的不一样？”赵爷爷一边揉面，一边好奇地问道。
小李笑着说道：“赵爷爷，当然能。您看，这个屏幕上的曲线，就是您手工揉面时，年糕的红外吸收峰变化，这个曲线有独特的波动规律，是AI做不出来的。而且，我们还会采集年糕表面的微生物，您手工做的年糕，有您手部的微生物痕迹，形成独特的‘微生物指纹’，这也是AI年糕没有的。”
“这么神奇？”赵爷爷停下手中的动作，凑上前，看着红外光谱仪的屏幕，“没想到，我们老匠人手工做的年糕，还有这么多学问。你们用这些设备，能更好地识别手工年糕，我们也能更放心了。”
“是啊，赵爷爷。”小李说道，“等我们把这些多模态数据，融入到系统算法中，系统的识别精度会大幅提升，到时候，就算有AI模仿您的手艺，系统也能精准识别出来，守护好您的手艺。”
在数据采集过程中，小李也遇到了一些小问题。比如，有的老匠人作坊环境比较潮湿，影响红外光谱仪的检测精度；有的老匠人担心微生物采样会影响糕团的卫生，不愿意配合。针对这些问题，小李耐心地向老匠人解释，说明微生物采样是无菌操作，不会影响糕团的卫生和口感；同时，他也和技术组的人员一起，对红外光谱仪进行了防水处理，调整检测角度，确保采集到的数据准确、完整。
江南大学的实验室里，技术人员也在加班加点，对采集到的微生物样本进行检测分析。一周后，检测结果出来了，一个令人惊喜的发现，让整个团队都振奋不已——手工糕团因手部微生物残留，有12种独特的微生物，这些微生物大多来自老匠人的手部皮肤和作坊环境，形成了独特的“微生物指纹”；而AI生成糕团，由于全程无菌操作，仅含有3种常见的环境微生物，与手工糕团的微生物种类差异显着。
“太好了！这个发现太重要了！”周教授拿着检测报告，兴奋地来到研发中心，“这12种独特的微生物，就是手工糕团最核心的定性特征之一，AI无论如何都无法模仿，有了这个数据，定性维度的识别精度，一定能大幅提升。”
陈曦看着检测报告，脸上露出了欣慰的笑容：“辛苦周教授，辛苦江南大学的团队，也辛苦小李，这段时间采集了这么多高质量的数据。现在，我们有了12维核心特征数据，再加上红外光谱数据和微生物数据，终于可以突破精度瓶颈了。”
接下来，研发团队立刻投入到算法模型的优化工作中。李工带领技术组，将红外光谱吸收峰数据、微生物指纹数据，与之前的12维特征数据进行融合，重新调整算法模型的参数，构建了“12维特征+多模态数据”的全新识别模型，然后用积累的所有数据（200组年轻传承人数据、100组老匠人数据、50组多模态数据），对模型进行了反复训练和调试。
小李也主动加入到数据标注和分析工作中。他凭借这段时间学习的红外光谱数据分析知识，能够快速识别手工与AI生成糕团的红外吸收峰差异，协助技术组，对红外光谱数据进行精准标注；同时，他也参与到微生物数据的分析中，帮助技术组，提取手工糕团独有的微生物特征，为算法优化提供了重要支持。
“陈姐，你看，小李现在已经能独立完成红外光谱数据分析了，甚至能凭借吸收峰曲线，快速区分手工与AI生成糕团，进步太快了。”李工指着屏幕上的数据分析报告，向陈曦说道，语气中满是赞赏。
陈曦看着小李认真工作的身影，脸上露出了笑容：“是啊，小李确实很努力，这段时间，他不仅完成了数据采集任务，还主动学习专业知识，从一个普通的采集专员，成长为能独立完成数据分析的非遗工艺数据分析师，为我们后续的系统优化，提供了很大的支持。”
小李听到两人的夸奖，脸上露出了腼腆的笑容，语气坚定地说道：“陈姐，李工，我还有很多要学的，我会继续努力，做好数据分析工作，帮助团队，尽快把系统精度提升到95%以上。”
时间一天天过去，算法模型的训练和调试，一直在紧张有序地进行着。研发中心的灯光，再次连续亮了几个通宵，团队成员们各司其职，有的负责数据标注，有的负责参数调整，有的负责模型测试，每个人都充满了干劲。老匠人们也经常来到研发中心，查看系统优化的进展，当他们看到，多模态数据能精准区分手工与AI生成糕团时，脸上都露出了欣慰的笑容，对陈曦团队的信任，也越来越深。
这天清晨，当李工再次启动算法模型测试程序时，整个研发中心，都陷入了紧张的寂静之中。所有人的目光，都紧紧锁定在屏幕上跳动的精度数值上——88%、90%、91%、92%！当数值稳定在92%时，整个研发中心，瞬间爆发出热烈的欢呼声。
“成功了！我们成功了！精度突破92%了！”李工激动地大喊，双手紧紧握拳，脸上满是喜悦和疲惫。经过无数个日夜的奋战，团队终于突破了精度瓶颈，将识别准确率提升至92%，误判率降至3%，虽然还未达到协会要求的95%，但已经实现了显着改善，距离目标，越来越近。
陈曦看着屏幕上的精度数值，眼眶微微湿润。这段时间，团队经历了太多的困难和挫折——数据采集的僵局、技术方案的分歧、成本超支的困境、精度停滞的焦虑，但他们从未放弃，始终坚守初心，凭借着坚持和努力，一步步破解困境，实现了突破。
“太好了，太好了！”周教授也兴奋地说道，“92%的精度，已经超出了我们的预期。这说明，多模态技术的引入，是完全正确的，只要我们继续积累多模态数据，优化算法模型，相信用不了多久，就能达到95%的目标。”
王宇立刻拿出手机，把这个好消息，告诉了所有参与试点的老匠人。“赵爷爷，孙奶奶，告诉你们一个好消息，我们的系统识别精度，已经突破92%了！以后，就算有AI模仿你们的手艺，系统也能精准识别出来，你们的手艺，再也不用担心被冒充了！”
电话那头，赵爷爷的声音充满了喜悦：“太好了，小陈他们果然没有让我们失望！我就知道，只要我们相信他们，配合他们，一定能守护好我们的手艺。等下次你们来作坊，我做一锅猪油年糕，庆祝一下！”
很快，系统精度突破92%的消息，就在老匠人联盟中传开了。越来越多的老匠人，放下了最后的顾虑，主动联系王宇，要求参与联邦学习和多模态数据采集，截至目前，已有15位老匠人加入试点，为系统优化，提供了更多的核心数据。
研发中心里，团队成员们的士气，达到了前所未有的高涨。小李拿着自己分析的红外光谱数据报告，向陈曦和李工汇报：“陈姐，李工，我通过分析红外吸收峰曲线，发现不同老匠人的手工糕团，吸收峰有细微的差异，这应该是他们的手艺流派不同导致的。如果我们把这些差异融入算法模型，就能进一步提升识别精度，还能实现对不同老匠人手艺的精准区分。”
陈曦看着小李的报告，眼前一亮：“小李，你这个发现非常有价值！不同老匠人的手艺流派，确实有独特的特征，把这些特征融入模型，不仅能提升精度，还能让系统实现‘溯源到具体匠人’的目标，这对非遗传承，有着重要的意义。”
李工也点了点头，说道：“没错，我们接下来，就重点针对不同老匠人的手艺流派特征，优化算法模型，同时，继续扩大多模态数据采集范围，积累更多的数据，争取尽快将精度提升至95%以上，通过协会的验收。”
校企合作也在稳步推进中。江南大学的团队，利用陈曦团队共享的非遗工艺数据，开展了“手工与AI生成糕团多模态特征识别”的学术研究，取得了初步成果；同时，他们也为陈曦团队，提供了更多的技术支持，协助团队，优化多模态数据的采集和分析方法，进一步提升数据质量。
这天，陈曦再次来到赵爷爷的作坊，查看多模态数据采集的进展。赵爷爷正在制作猪油年糕，小李在一旁，熟练地操作红外光谱仪，采集数据，同时，认真记录着相关信息。看到陈曦来了，赵爷爷停下手中的动作，笑着说道：“小陈，听说你们的系统精度，已经突破92%了，真是太好了！我现在，越来越相信你们能守护好我们的手艺了。”
“谢谢赵爷爷的信任。”陈曦笑着说道，“这离不开您和各位老匠人的支持，也离不开我们团队的努力，更离不开校企合作的助力。我们会继续努力，尽快把精度提升到95%以上，不辜负您的信任。”
小李也走上前，说道：“陈姐，赵爷爷，我这段时间，又学到了很多东西，现在已经能独立完成红外光谱数据分析和微生物采样工作了。我会继续努力，做好数据采集和分析，帮助团队，尽快实现目标。”
赵爷爷看着小李，满意地点了点头：“好，好，年轻人，有干劲，有前途。你们这些年轻人，愿意花时间学习老手艺的知识，愿意用新技术守护老手艺，我们老匠人，也能放心地把手艺，传承给你们。”
陈曦看着眼前的一幕，心里满是欣慰。她知道，系统精度突破92%，只是一个新的开始，接下来，他们还要面临更多的挑战——继续优化算法模型、扩大数据采集范围、提升多模态数据的分析效率、争取尽快达到95%的精度目标。但她不再焦虑，也不再迷茫，因为她知道，他们有坚定的初心，有团结的团队，有老匠人们的信任，有校企合作的助力，只要他们始终坚守初心，同心协力，就一定能攻克所有困难，实现“溯源保真”的核心使命，让老手艺，在AI时代，焕发新的光彩。
研发中心里，李工带领技术组，正在根据小李发现的手艺流派特征，优化算法模型；小李则在整理最新采集的多模态数据，进行精准标注和分析；江南大学的技术人员，也在与团队沟通，探讨进一步提升数据质量的方法。整个团队，都在朝着95%的精度目标，奋力前进。
老匠人作坊里，老匠人们依旧坚守着自己的手艺，每天认真制作糕团，配合小李采集多模态数据，他们的脸上，都带着欣慰的笑容——他们知道，自己的手艺，正在被用心守护，正在被数字化传承，正在以一种全新的方式，走向未来。
夕阳西下，金色的余晖，洒在研发中心的窗户上，也洒在老匠人的作坊里。一边是紧张忙碌的技术研发，一边是坚守传承的手工制作，技术与传统，在这一刻，完美共生。陈曦站在研发中心的窗前，看着远方的夕阳，嘴角露出了笑容。她相信，只要他们始终坚守初心，始终尊重老匠人，始终守护匠心，就一定能实现目标，让非遗手艺，在AI时代，代代相传，生生不息，绽放出更加璀璨的光芒。
此时，小李正在整理红外光谱数据，他看着屏幕上的吸收峰曲线，脸上露出了坚定的笑容。他知道，自己不再是一个普通的采集专员，而是非遗工艺数据分析师，是老手艺的守护者之一。他会继续努力，提升自己的专业能力，用自己的知识，为非遗传承，贡献自己的一份力量，与团队一起，迎接更加光明的未来。