仓库质检最怕商品图修得太干净：批次色差、包装压痕和日期标签该怎么留证

原本一批 36 张入库图只看 8 分钟，现在我会多留 4 张证据底图，哪怕交付慢 12 分钟。这个比例来自图叮编辑部 2026 年 5 月的一次内部复盘，场景已脱敏：苏州相城一个小型电商仓库，质检小赵把一批收纳盒的包装压痕交给外包修图，工单原话只有一句，主图修干净，白底统一。

公司原本要求很简单：图好看，背景白，瑕疵少。我后来改成另一套：先判断哪些痕迹是脏，哪些痕迹是证据。前者可以交给图叮 AI 清理，后者要先锁住，再谈美观。仓库质检看商品图，怕的不是不漂亮，怕的是售后找上门时，图片已经替商品撒了一个很顺手的谎。

图注：修图前先把批次证据摊开，白底、标签、压痕和留底图分开处理。

公司原本要求：压痕修掉，日期修清楚，主图看起来像新品

仓库给修图同事的需求，常常只有两种口径。第一种是修干净，第二种是修清楚。听起来都没错，但仓库质检真正卡住的地方，就在这两个词太宽。

修干净可能把纸盒角上的运输压痕抹平。对新品电商来说，轻微压痕也许只是拍摄样品问题；对临期、尾货、二手、清仓、瑕疵折扣商品来说，压痕就是商品状态的一部分。它决定客服怎么解释，也决定买家收到货后能不能接受。

修清楚也有风险。日期标签、批次码、合格证、条形码、尺码贴，这些文字如果原图虚了，AI 很容易把它补成看起来更完整的字符。问题是，补出来的字符不一定是真字符。售后争议里，买家不会问模型有没有好心，他们只会拿实物标签和页面图片对。

团队实际经验里，我更愿意把仓库图分成三层：展示层、证据层、留底层。展示层负责让商品被看见，证据层负责让信息不被改，留底层负责在退换货时说得清。公司模板通常只写展示层，所以我会私下补一张交接表，把证据层和留底层单独列出来。

我后来怎么改：先锁四类证据，再让 AI 去做清理

我的做法不复杂。接到仓库图，不先打开滤镜，也不先跑批量去瑕疵。先看 4 类证据。

第一类是批次证据：生产日期、保质期、批号、色号、尺码、型号、合格证编号。它们只允许变清晰，不允许变内容。原图如果虚到不能确认，就不能让 AI 猜；要退回补拍，或者在详情页明确写以实物标签为准。

第二类是状态证据：包装压痕、封口胶痕、盒角磨损、透明袋折痕、金属件氧化点。新品正价 SKU 可以适度处理拍摄灰尘，但状态证据不能被修成不存在。尤其是清仓、样品、二手和退换货再售，修没这些痕迹，后面客服很难接。

第三类是结构证据：卡扣、孔位、接口、刻度、配件数量、组合关系。仓库图里这类证据很不起眼，修图时却最容易被当成杂点。比如一个收纳盒的卡扣阴影被磨平，买家到手发现扣不紧，页面图就帮不上客服。

第四类是色差证据。很多团队把色差当成修图问题，其实有些色差来自不同批次、不同材质、不同包装膜。图叮 AI 可以帮你把白平衡拉稳，但不能把 A 批和 B 批修成同一个颜色。除非运营明确决定统一展示图，并在详情页说明批次可能存在轻微差异，否则质检要保留一张未修的批次对照。

我后来给外包同事的工单会写得很笨：背景灰尘可清，桌面杂物可去；批号、日期、压痕、卡扣、色差对照不改；不确定的文字不补写；修完后给一张原图拼接对比。笨一点，返工少一点。

图注：同一张图里，展示层可优化，证据层要锁定，留底层单独归档。

这不是保守，是把售后压力提前写进图里

运营看图，常常先看点击率。仓库质检看图，先看售后能不能解释。两边不是对立，只是压力不同。

举个脱敏场景。某批透明收纳盒，页面主图修得很干净，盒盖边缘的细小白痕也被去掉了。买家收到货后发现同一位置有白痕，客服说是运输摩擦，买家说页面没有。最后仓库翻原图，原图里其实有，只是修图后没了。这里的问题不是 AI 不好，而是工单没说白痕属于状态证据。

这类损失很小，却磨人。客服要解释，仓库要补拍，运营要改图，修图同事要返工。一次两次可以靠人扛，多了以后，团队会开始互相甩锅：运营说仓库没标注，仓库说修图过度，修图说需求写的是修干净。

我的替代工作流，就是把这口锅提前拆开。仓库上传原图时，至少附 3 个标记：可清理、不可改、需补拍。修图同事在图叮 AI 里做局部处理时，先把不可改区域圈出来。运营确认主图时，必须看一眼原图拼接对比，不只看成稿。

如果你们团队 SKU 多，别指望每张图都靠记忆。用飞书表格、Notion、Excel 都行，列 5 个字段就够：SKU、批次、不可改区域、修图动作、留底图路径。工具不重要，重要的是让证据有地方待着。

哪些图可以修得更干净，哪些图要保留一点不完美

不是所有痕迹都要留下。仓库图如果什么都不修，页面会显得粗糙，买家也会怀疑店铺不专业。关键是分清痕迹的性质。

拍摄痕迹可以修。桌面灰尘、临时手印、背景皱褶、灯箱边缘、无关杂物，这些不属于商品本身。图叮 AI 做这类清理很合适，尤其是批量白底、局部去污、背景统一，能把仓库图拉到可用水平。

商品状态要谨慎。包装压痕、封口褶皱、标签刮痕、金属氧化、面料轻微起毛，要看销售口径。如果是正价新品展示，确认样品瑕疵不代表大货，可以换样品重拍；如果是清仓、二手、瑕疵折扣，这些状态就不能随便消失。

商品信息不要猜。标签日期、型号、尺寸、警示语、执行标准、二维码，宁可不修，也不要让 AI 补字。看不清就补拍，补拍成本通常比售后解释成本低。我的经验是，文字类证据只做曝光、锐化和畸变校正，不做内容生成。

团队协作里，最怕一句话需求。主图修漂亮，听起来像目标，其实是把判断权全部丢给修图同事。更好的需求是：这张图用于首页主图，清理背景和手印；盒角压痕保留；批号不改；修后输出原图对比。字多一点，风险少一点。

给质检、运营和修图同事的一张短单

如果你今天就要改流程，不用重做整套系统。先从一张短单开始。

质检同事拍图时，给每个 SKU 留一张未修原图，一张证据特写，一张可用于主图的展示图。不要把所有问题都塞进一张图里，后面谁都看不清。

运营确认图时，别只问好不好看。问 3 个问题：实物关键信息有没有变，买家收到货时会不会觉得页面隐瞒，客服后面能不能拿这张图解释。答不上来，就不要急着发布。

修图同事处理时，把提示词写具体。不要写让包装更高级，可以写清理背景灰尘，保留盒角压痕和批次标签；不要写让色彩统一，可以写统一拍摄白平衡，不改变 A 批与 B 批实物色差。图叮 AI 很适合做局部清理，但前提是你把边界说清楚。

这套流程不性感，也不像广告话术。它只是把公司原本模糊的要求，改成仓库、运营、修图三方都能执行的边界。商品图不是只给点击率看的，它还要在退货、换货、投诉和复盘时站得住。

好商品图，敢把该留下的证据留下。