小李启动第一轮测试，五十二张图开始排队加载。屏幕右下角跳出进度条，GPU占用率缓缓爬升。
“开始了。”小李说。
“别光看结果。”刘好仃盯着日志窗口，“重点看它怎么想——中间层输出、特征激活区域、响应时间，全都记下来。咱们不只要知道它对不对，还得知道它为什么这么判。”
老张看着跳动的数据，嘀咕：“这阵仗，比我们当年考技师还严。”
“那当然。”刘好仃笑了笑，“技师错了，顶多返工；它要是学歪了，整个流程都得重来。”
第一轮测试跑了四十分钟，结束时识别率显示71.3%，三张漏判，两张误判。
“还行。”小李松了口气。
“不急着下结论。”刘好仃调出那三张漏判图，“看看它卡在哪儿。”
其中一张是连续微裂，裂纹细得像针尖划过，分布在玻璃边缘的应力集中区。模型在三通道增强后，GPU内存瞬间飙到94%，响应延迟0.83秒，最终判定失败。
“内存溢出？”小李皱眉。
“不是溢出，是冗余。”刘好仃放大计算日志，“三通道融合时，梯度增强做了三次重复卷积，算力浪费了。它不是算不动，是被自己绕晕了。”
老张盯着图看了一会儿，忽然说：“要不，先单通道测？高光、侧光、背光分开跑，看哪个最管用，再决定要不要合。”
“分段验证。”刘好仃眼睛一亮，“好主意。别一股脑全上，先拆开看。”
第二轮测试调整方案，三类光源增强图分别独立输入。结果显示，侧光增强对微裂识别贡献最大，准确率提升12%，响应时间回落至0.5秒以内。
“找到主心骨了。”小李重新写脚本，把侧光通道设为优先处理路径。
第三轮测试加入干扰项：十张人为拍虚的图、八张低对比度图、五张气泡与裂纹相邻的混淆图。
测试进行到第十六张，那张曾被AI提前预警的“自爆片”再次出现。