原产地农产品溯源码和包装标签：AI 修图前后的 5 步检查 SOP

做完这 5 步，你会得到一套能交付给原产地农产品店铺的图片检查流程：礼盒看起来体面，溯源码和包装标签仍然可信，后续客服被问到“这个产地证明在哪里看”时，也能拿出原图和修后图对得上。

这篇写给做茶叶、蜂蜜、坚果、水果礼盒、土特产组合装的设计师。原产地农产品的 visual trust 很敏感，漂亮不是唯一目标。买家愿意为产地、批次和故事多付钱，也会因为一个看不清的二维码、一个像 AI 补出来的日期，马上怀疑整套图。

图注：先把标签证据圈出来，再谈礼盒质感。

团队实际经验里，2026 年 4 月复盘过一组杭州余杭农产品礼盒素材。小周负责修 32 张蜂蜜和坚果组合图，用图叮 GPT-image-2.0 做礼盒场景底图，再进 Photoshop 做局部收尾。出问题的不是盒子不够好看，而是 6 张图里溯源码边缘被锐化得发毛，2 张批次日期和原图对不上。这个复盘不对应某个公开客户，只作为流程教训：信息区比氛围区更早进风险清单。

Step 1：先圈出不能让 AI 猜的位置

第一步不是打开模型，也不是写 prompt，而是把“不能让 AI 猜”的位置圈出来。原产地农产品常见的高风险位置有 5 类：溯源码、批次日期、产地标签、规格净含量、检测文件或授权文件。它们只要被重绘，就不是修图问题，而是信任问题。

我习惯把原图先复制一份，单独建一个“evidence layer”。在这层上用红框圈出二维码、条码、批次号和产地字段，用黄色框圈出礼盒工艺、内托、丝带、瓶罐边缘。红框区域只允许做亮度、对比度、轻微锐化和反光压制；黄色区域可以做光影统一、灰尘清理和色温修正。这个分层很朴素，但能防止后面越修越顺手。

划重点：二维码不是纹理，批次日期不是装饰，检测报告不是背景纸。图叮 AI、Photoshop、Lightroom 都可以帮你改善可读性，不能替你补出不存在的信息。真实项目脱敏记录里，小周那组 32 张图后来加了一个规则：凡是二维码边长小于主图宽度 8% 的，必须另出局部图，不能靠主图硬锐化。

如果客户给的是手机随拍，标签区本身已经糊掉，就直接反馈补拍。不要写“enhance label text”这种指令赌模型。模型会给你一个看似清楚、实际无法扫码的图；这类图在小屏上很体面，放大后就露馅。

Step 2：把礼盒质感和信息可读性分开处理

第二步要把两件事拆开：礼盒质感是一条线，信息可读性是另一条线。很多翻车来自把它们混在同一个 prompt 里，比如“让礼盒更高级，标签更清晰，产地感更强”。这句话听起来顺，但模型会同时动包装、纸张、文字、场景，后面很难追溯哪一步改坏了。

礼盒质感可以修。木盒可以压住高光，纸盒可以清掉灰尘，丝带可以整理褶皱，内托可以统一色温。原产地礼盒本来就需要一点体面感，不然送礼场景撑不住。可标签信息要按证据逻辑处理：能读清楚就保持，读不清就补拍；可轻微锐化，不能重排版；可压反光，不能换码。

图注：礼盒质感和标签信息要分两条线处理。

团队实际经验里，杭州余杭那组素材后来拆成 2 个输出版本：一组是平台主图，看礼盒外观、组合陈列和内容物分量；另一组是证据图，看溯源码、批次日期、净含量和产地标签。两组图的修图目标不同，检查人也不同。主图由设计师看整体调子，证据图由运营小周逐项对原图。

这一步的 practical rule 很简单：凡是会被买家截图问客服的位置，不要放进“美化”任务里。客服不会解释你的光影逻辑，他只会被问“这个码为什么扫不出来”“这个日期是不是 P 的”“产地写的是哪里”。设计端提前拆开，后面少很多来回。

Step 3：用原图对照检查二维码和批次日期

第三步是最容易被跳过的一步：修完以后回到原图，逐项对照。不要只看修后图“清不清楚”，要问它能不能被原图证明。二维码边界、批次日期、产地文字、净含量、生产商名称，每一项都要能在原图里找到对应位置。

我的检查顺序是从最硬的信息开始。先看二维码或条码是否仍然是原来的形状，边缘有没有被 AI 画出奇怪的黑白块；再看批次日期，数字有没有被锐化成另一种笔画；再看产地标签，地名和行政区有没有被误读；收尾看包装上的辅助文字，是否有乱码、断笔、重复字符。

这里不要迷信“肉眼能看”。二维码必须扫码，条码要看条宽是否被拉伸，日期要放大到 200% 看笔画。2026 年 4 月那次团队复盘里，2 张图在手机上看日期没问题，电脑大图打开后发现“05”像被锐化成“08”。这不是审美差异，是交付风险。

如果要做批量，建议每 10 张抽 3 张做完整对照，剩余图至少扫一遍二维码和日期。这个比例只是团队实际经验，不是行业标准。重点是让流程有抽查动作，而不是修完直接导出。

Step 4：补一张局部图，不要让主图承担所有证据

第四步是补局部图。原产地农产品的主图通常要同时讲 3 件事：礼盒体面、内容物分量、产地可信。把三件事都压在一张图里，画面会很挤，标签也容易被缩小到看不清。更稳的做法是主图负责第一眼，局部图负责证据。

局部图建议覆盖 3 个位置：溯源码或条码、批次日期和产地标签、内容物近景。比如蜂蜜礼盒，主图拍半开盖和瓶身；局部图拍瓶盖封签、瓶身标签、溯源码卡片。坚果礼盒则拍外盒、独立小袋日期、配料或产地说明。水果礼盒还要加一张到货状态或开箱图，避免“礼盒很好看，但不知道果子怎样”。

图注：局部图替主图承担证据说明。

局部图不等于把主图裁一块放大。很多主图的标签区本来就不是最佳焦平面，裁出来只会更糊。正确做法是补拍，或用原始高分辨率素材单独输出。图叮 AI 可以帮你清掉旁边的灰尘和杂乱桌面，但不要让它“重建”标签。

这一步还会影响 image plan。首图可以是工作台或礼盒陈列，正文图必须服务某个具体检查点：标签局部、扫码验证、三端预览。不要用泛泛的产地风景图凑数。原产地图当然可以有产地，但本文讲的是包装证据，配图就要靠近包装证据。

Step 5：交付前做三端预览和留档

第五步是交付前的最后一轮预览：手机详情页、电脑大图、客服截图。三个视图看的问题不同。手机详情页看第一屏信任感，电脑大图看标签细节，客服截图看能不能直接发给买家解释。

留档也要跟上。至少保留 4 类文件：原图、修后图、关键提示词、标签局部放大图。如果用了多轮 AI 修图，再保留版本号。别只留最终 WebP。3 个月后客户问“这张溯源码为什么这么糊”，你需要知道它是原图就糊，还是某次锐化后坏掉。

我会把文件名写得直接一点：sku-018-original、sku-018-retouched、sku-018-label-check、sku-018-prompt-note。跨境平台教学里我也反复讲这个点：workflow 不只是把图做出来，还要能解释每一步为什么这么做。原产地农产品尤其需要解释，因为它卖的不只是包装，也是来源和可信度。

收尾时再问一个问题：这套图有没有让商品看起来比实际更有产地背书、更清晰、更有证明力？如果答案是有，就退回。原产地农产品可以修光线、修摆放、修礼盒质感；不能修出不存在的产地、证明和批次信息。

下一步可以把这套 SOP 接到两篇站内内容里看：如果你要拆礼盒、溯源场景和品牌故事图，可以读 原产地农产品 GPT Image 2 礼盒与溯源图工作流；如果你要判断故事感和卖货图的边界，可以读 原产地农产品图怎么拍出值得讲给朋友听的感觉。前者解决出图方法，后者解决什么该保留。本文这 5 步夹在中间，专门管交付前的证据复核。