我们厂采购毛茶的那些糟心事
我是云南临沧一家滇红茶厂的老板，厂子不大不小，一年产值3000万上下。我们的茶主要卖到长三角和珠三角的茶叶市场，也接一些品牌的代工单子。
厂里最头疼的事，就是采购毛茶，也就是从茶农或者合作社收上来的半成品茶叶。这事看着简单，里头门道可深了。
老师傅一走，天就塌了
以前我们全靠厂里一位干了快三十年的李师傅把关。他往那一站，抓一把茶，看看条索、闻闻香气、摸摸干度，再嚼两片叶子，心里就有谱了，能估个八九不离十。那时候采购价比较稳，他一个人基本能罩住。
问题出在三年前，李师傅身体不好，回老家养老了。这一下就抓了瞎。我们试过让采购经理去顶，也招过两个据说有经验的，结果都不行。
最离谱的一次，从一家合作社收了一批“特级春蕊”，看着白毫挺多，价格也合适。结果拉回来一加工，香气完全不对，发酵也发不起来，最后只能当次等料处理，一笔就亏了八万多。合作社那边还不认账，说我们工艺有问题。
旺季抢货，更是一团乱麻
春茶和秋茶上市那两个月，是采购最紧张的时候。好茶不等人，价格一天一个样，你得快速做决定。
我们的人经常要一天跑好几个山头，看几十个批次的茶。人一累，判断就容易飘。有时候明明品相一般的茶，因为怕错过，或者被茶农一忽悠，就高价收了。有时候又因为犹豫，好茶被别人抢走了。
月底算账，采购成本经常比预算高出一截，但成茶的品质和出成率却没见涨。几个大客户已经抱怨过几次，说我们今年的批次稳定性不如从前了。我知道，根子就在采购这个源头上。
折腾AI采购，踩过的那些坑
📊 解决思路一览
被逼得没办法了，我开始琢磨能不能用技术来解决。听说现在AI看东西很准，我就想，能不能让它来帮我们看茶？
第一步：想找个现成的软件
我最开始的想法很简单：买个现成的软件或者系统，装上去就能用。我让助理去网上搜“茶叶采购系统”、“农产品品控AI”，还真找到几家。
有一家深圳的公司，说他们的图像识别系统能分辨300多种农产品。我们约了线上演示，对方拿苹果、橙子做例子，识别烂果、疤痕确实挺准。但一问到茶叶，对方就含糊了，说“原理相通，但需要针对茶叶单独训练模型”。
另一家杭州的公司，倒是专门做茶叶的，但他们是给大型茶企做全链路溯源系统的，光基础模块报价就80万起，实施周期半年。我们这种规模，根本玩不起。
第二步：考虑自己找人定制
现成的路走不通，我又想，要不自己找人开发？我有个朋友在昆明做软件，他给我介绍了一个小团队。
聊了几次，我把需求说了：手机拍照，AI自动判断毛茶的等级（至少分特级、一级、二级、等外），给出参考价格区间，最好还能估个含水率。
团队报了个价，20万，三个月。我觉得还能接受，就签了合同。
结果，这才是麻烦的开始。
首先，他们不懂茶。我得花大量时间给他们“上课”：什么叫金毫显露，什么叫条索紧结，霉味、陈味、烟味怎么从外观上初步判断……光整理评判标准，就折腾了一个月。
其次，数据收集太难。他们需要至少5000张标注好的、不同等级、不同状态的毛茶照片。我发动了全厂的人，采购、品控、甚至车间主任，一有空就拍茶、贴标签。拍出来的照片光线不一、角度杂乱，很多根本不能用。
三个月过去了，只做了一个勉强能区分“好茶”和“明显次茶”的Demo，稍微复杂一点的情况就抓瞎，离实际应用差得远。20万花完了，项目也僵在那里了。
最后怎么成的？换个思路
那段时间挺焦虑的，钱花了，事没办成。后来我参加了一个食品加工行业的交流会，跟一个做坚果的朋友聊起这事。他一句话点醒了我：“你别总想着做一个‘万能’的AI法官，先做个‘辅助’的AI助理行不行？”
找到对路的供应商
经他介绍，我联系上了一家无锡的公司。他们不是做茶叶的，而是专门给各种制造业做轻量化视觉质检方案的，服务过宁波的塑料件厂、东莞的电子厂。
他们的思路不一样。第一次开会就说：“老板，咱们别想着一步到位替代老师傅。咱们先解决你最痛的一个点，比如，快速筛掉那些‘一眼假’的劣质茶和严重掺假的茶，防止重大采购失误，行不行？”
这话说到我心坎里了。我最大的损失，不就是那几次看走眼收了根本不能用的货吗？
他们没急着报价，而是派了两个工程师来我们厂，待了一星期。跟着采购员上山，看我们怎么收茶，拍了大量视频和照片，还把我们过去几年积压的次品茶、问题茶样本都要了过去。
实施过程：小切口，快验证
一周后，他们给了个方案：不做复杂的等级判定，就做一个“风险预警”模型。聚焦三类问题：
-
严重霉变（肉眼可见白霉/绿霉）。
-
掺杂非茶物质（比如掺老叶、茶梗过多，甚至掺沙子增重）。
-
工艺重大缺陷（比如杀青过度导致叶片焦糊）。
方案报价12万，实施周期一个半月。最关键的是，他们承诺先做出核心模型，让我们在下次秋茶采购季就能用上试试效果，觉得有用再付尾款。
这个风险可控，我当场就拍板了。
实施那一个半月，我们配合起来顺畅多了。他们用我们提供的“问题茶”照片做训练，同时他们也从公开数据集里找了一些类似霉变、杂质的图像来增强模型能力。我们不需要再费力去标注“特级”“一级”，只需要标注“正常”或“有问题（并注明哪类问题）”，工作量小了很多。
最后做出来的东西，就是一个装在采购员手机上的小程序。对着毛茶拍几张标准角度的照片，15秒内出结果：绿灯（未发现明显风险），黄灯（发现疑似问题，建议重点复查），红灯（发现明确高风险问题，建议拒收或大幅压价）。
用了大半年，效果和局限
去年秋茶季，我们正式用上了这个系统。现在用了大半年，说说真实情况。
真金白银省下来了
最直接的效果，是拦住了几笔“问题单”。有一次在普洱一个点，采购员拍完照系统亮红灯，提示“高风险霉变”。他本来没看出来，系统提示后他再仔细扒开茶叶内层看，果然有轻微的霉点。这批货要是收了，损失至少四五万。
还有几次亮黄灯，提示“掺杂异物可能性高”。采购员就会更仔细地翻检，或者要求过筛，真的发现了一些掺了老叶、茶梗比例异常的情况，有了压价的底气。
财务粗略算了算，从去年秋茶到现在，因为避免了几次重大采购失误，以及在谈判上更主动，采购成本比往年同期下降了大概8%，折算下来省了30多万。当初12万的投入，早就回本了。
现在还没法完全替代人
当然，它也不是万能的。现在它只擅长发现“明显的坏”，对于茶叶品质的精细分级，比如区分“特级”和“优级”，它还做不到。
香气、滋味这种需要嗅觉和味觉判断的核心指标，目前也解决不了。这些还得靠人。
另外，遇到一些全新的、没见过的作假方式，它也可能失灵。需要定期把新的问题样本反馈给供应商，让他们更新模型。
如果重来，我会这么干
回过头看这段经历，如果让我重新做一次AI采购优化，我的做法会完全不一样。
别贪大，先解决一个最痛的痛点
这是最大的教训。一开始总想着做个完美的“AI品茶师”，结果根本落不了地。后来转变思路，只做“AI排雷兵”，反而成功了。
对于大多数中小茶厂，我建议都从“防重大损失”这个点切入。这个需求明确，效果立竿见影，也容易验证。
找供应商，关键看“懂不懂场景”
别只看他有没有茶叶行业的案例。更重要的是，看他愿不愿意花时间到你的现场，理解你的具体操作流程和痛点。
那种一上来就推销标准化大产品的，往往不适合我们这种有特殊性的行业。能提出“先做风险预警”这种务实建议的，才是真懂行的。
数据收集，从一开始就要规范
现在我们已经养成了习惯：每次采购，无论好坏，都按固定角度、固定光线背景拍一组照片存档。时间久了，这就是我们厂最宝贵的数字资产。以后再想升级模型，做更精细的分类，就有了高质量的数据基础。
写在最后
做这个事，我感觉就像给采购员配了个不会疲劳、记性好的“副手”。它不能代替人做最终决策，但能帮人避开最明显的坑，让人把精力用在更关键的品质品鉴和价值判断上。
对于年产值一两千万以上的茶厂，我觉得这套思路值得试试。投入不大，但可能帮你守住采购的成本和质量底线。
如果你也在琢磨这事，想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑，比如怎么梳理需求、怎么评估供应商靠不靠谱，这些前期准备工作做好了，后面能顺不少。