蜂蜜商品图 AI 修图返检：溯源码、封口标签和结晶状态怎么查

准备：① 原图保留不覆盖；② 修后图单独导出；③ 溯源码、封口膜、批次标签和蜂蜜局部各有一张放大参考；④ 图叮 GPT-image-2.0 或其他 AI 修图工具的参数记录要留存。蜂蜜图的返检不要从“好不好看”开始，先看证据有没有站住。原产地农产品卖的是产地、批次和实物状态，AI 把瓶身修得更通透，不等于详情页更可信。

图注：先锁证据区，再让画面变干净。

真实项目脱敏里，2026 年 4 月 21 日下午，广西河池都安县一个电商服务站整理过 24 瓶蜂蜜的上架图，共 36 张。美工小梁先把玻璃瓶高光压平，又让 AI 去掉瓶身细灰点。返检时发现 5 张图的封口膜边缘被补成整圈银线，2 张溯源码外框有轻微变形。这个复盘不对应公开客户名，只用来说明一个很常见的顺序问题：蜂蜜图不是先修漂亮，再补证据；而是先锁证据，再控制美化范围。

Step 1：先锁住原产地证据

第一步只做一件事：把不能被 AI 猜的区域框出来。蜂蜜图至少有 5 个证据区：产地文字、产品品类名、溯源码或追溯码、批次号、生产日期。它们通常分布在瓶身正标、背标、礼盒侧标和合格证小卡上。修图师如果不先框区，后面一键清灰、一键锐化、一键补边都会跨过边界。

操作时我会把原图复制一层，命名为 evidence-lock，再用 5 种颜色标注证据区。颜色本身不重要，重要的是每个框都有处理规则。产地文字只能做曝光和局部对比度；溯源码只能做透视矫正和轻微锐化；批次号不能补笔画；生产日期不能被磨皮式降噪抹淡；品类名不能改字间距。

团队实际经验里，原产地农产品最容易出问题的不是主视觉，而是小字证据。服务站那组 36 张图里，主图看起来都合格，但放到 200% 后有 7 处小字边缘出现假锐化毛刺。这个数字来自内部复盘，不代表行业平均值。它说明：证据区要比审美区更早进入返检。

图注：文字和码区只修清楚，不重绘。

一个实用判断是：如果原图里某个字符本来就看不清，修后也不应该变成“完美清晰”。完美清晰很可能是模型补出来的。遇到这种情况，别硬修，退回补拍一张标签局部。农产品详情页的信任来自可核验，而不是看起来像高端礼盒。

Step 2：把封口膜和瓶盖分开查

第二步检查密封结构。蜂蜜瓶盖有几个细节：瓶盖螺纹、防拆环、封口膜、封口膜气泡、盖口阴影。AI 常把这些东西合并成一圈干净边线，因为它在视觉上更顺。但蜂蜜买家会在意有没有开封痕迹，运营也会把封口状态放进售前说明。封口膜边缘不能被修成新品塑封海报。

具体做法是把瓶口区域切成 3 个小图。第一张看盖顶反光，第二张看防拆环是否连续，第三张看封口膜和玻璃口之间的阴影。每张图都只调一档参数，不要一口气拉满。我的习惯是从 0 到 8 做 9 档对照：降噪、锐化、局部对比度分别扫一遍。这个“9 档”不是要全部交付，而是防止修图师只看默认结果。

真实项目脱敏里，小梁那组图有一瓶百花蜜的封口膜原本有轻微气泡。气泡不是质量问题，但它说明膜还在。AI 清理高光时把气泡也抹掉，瓶口就像重新贴了一张平整银膜。手机端缩略图看不出来，详情页放大图会让懂行的人觉得假。这个位置允许压亮点，不允许重建结构。

如果瓶盖本身拍歪了，别用 AI 直接“扶正”整圈瓶盖。可以做轻微透视校正，但螺纹间距、防拆环断点、封口膜褶皱要跟原图一致。封口区的返检标准不是漂亮，而是能解释实物为什么长这样。

Step 3：按 9 档亮度看结晶状态

第三步看蜂蜜本体。结晶、气泡、花粉细点、沉淀、玻璃反光，经常被模型误判成噪点。真正麻烦的是：这些东西有的该保留，有的该压浅。比如玻璃外侧灰尘可以清，瓶内气泡要谨慎；瓶身划痕可以修，蜂蜜结晶纹理不能整体抹成糖浆感。

图注：结晶是商品状态，不是脏点。

这里适合用 9 档亮度对照。取同一个局部，从低亮到高亮排成一行，观察结晶边界有没有消失。为什么要用 9 档？因为 3 档太粗，很多问题只在中间参数出现；超过 9 档又容易变成无意义的参数墙。我的参数测试习惯就是把同一样本跑满，再挑出最稳的一档。

团队实际经验里，农产品详情页不要把“自然状态”修成“工厂样机”。2026 年 4 月那组内部复盘里，有 11 张蜂蜜局部被要求保留轻微结晶，原因是商家本来就在商品说明里写了低温可能结晶。修图如果把瓶内全部磨平，图片和说明会打架。这个判断来自团队复盘，不是食品质检结论；食品品质仍以商家资质和检测报告为准。

返检时可以问 3 个问题。第一，结晶是不是顺着瓶壁或底部沉积，而不是随机贴在背景上。第二，气泡有没有体积和高光，还是被压成灰点。第三，玻璃反光有没有跨过标签边缘。如果 3 个问题里有 2 个答不上来，就不要继续让 AI 美化，回到原图分区修。

Step 4：手机端复核标签可读性

第四步把图片放回真实页面。很多标签问题在大图里明显，手机端反而被缩掉；也有一些问题在电脑上不明显，到了手机端因为压缩和锐化叠加，假字边缘会更刺眼。所以返检不能只看 Photoshop 25.4 画布，也要看移动端预览。

检查顺序建议固定。先看主图：瓶身有没有变形，蜂蜜颜色有没有偏到不自然。再看详情页局部：溯源码、生产日期、产地文字是否还能对应原图。接着看手机预览：标签有没有因为缩放变成糊边，二维码有没有被压成异形。每次只看一个问题，不要边看边调色。

图注：手机端能读，才算可上架。

真实项目脱敏里，那组 24 瓶蜂蜜图最终做了一个四宫格验收板：主图、瓶口、标签、手机端。运营詹姐看完后只问了一个问题：“这个码扫出来如果和图上不一样，谁来解释？”这句话比任何审美反馈都管用。溯源码不一定要在缩略图里可扫，但它不能被模型改形。

如果标签原图有反光，可以做局部偏振式压光效果，但不要把文字边缘补成矢量字。原图能读到 80%，修后读到 85% 是合理；原图只能读到 30%，修后突然像印刷稿，就是风险。遇到后者，最好的处理不是继续修，是让拍摄同事补一张背标。

Step 5：决定继续修还是退回补拍

第五步做决策，不再加参数。把每个证据区分成 3 类：可继续修、需人工局部修、必须补拍。可继续修的区域通常是背景灰点、玻璃外侧指纹、拍摄台阴影。需人工局部修的是瓶口边缘、标签轻微反光、蜂蜜局部气泡。必须补拍的是溯源码糊、生产日期缺字、封口膜被遮挡、结晶状态没有局部参考。

这个分类要写在交付记录里。比如“封口膜保留原图褶皱，只压浅高光”“溯源码不重绘，因原图不可读建议补拍”“结晶状态保留，详情页说明需同步”。句子不用长，但要能让下一个接手的人知道边界。AI 修图最怕的是每个人都觉得自己只是调了一点，结果证据在多轮处理里慢慢没了。

图注：三类路径写清，返工少一半。

团队实际经验里，服务站后来把蜂蜜、菌菇、茶叶都套进同一张返检表。蜂蜜看封口和结晶，菌菇看碎末和菌褶，茶叶看叶底和包装批号。商品不同，方法相同：先锁证据区，再修审美区，再回到手机端验收。

进阶做法是把每个品类的证据区做成参数模板。蜂蜜模板保留溯源码、封口膜、结晶状态；腊味模板保留油脂、肉纹、生产日期；干货模板保留碎末、产地批次、规格标签。模板不是为了套话，是为了让每次修图都少一个临场猜测。下一次接到原产地农产品图，不要先问能不能修漂亮，先问哪几个证据区不能动。