第一次看到桑黃時，最容易注意到的是它的顏色和形狀。年輕子實體可能呈現橙黃、黃褐或較明亮的色調，隨著組織增厚與成熟，表面常逐漸轉為棕褐、深褐，甚至接近黑褐色；外形則可能是半圓形、蹄形、扇形或不規則塊狀。這些變化使桑黃看起來像一塊正在慢慢變硬的木頭，也讓市場很容易把「越深、越厚、越老」和「品質越好」連在一起。外觀確實能提供生長階段與環境狀態的線索，但它不能單獨證明物種、成分或產品品質。同一菌株在不同光線、濕度、通風、基質與乾燥條件下，可能呈現不同色澤和形態；不同桑黃相關物種也可能具有相似外觀。對一般讀者而言，最重要的不是學會只憑照片辨認桑黃，而是了解外觀可以告訴我們哪些事情，又有哪些問題仍需要菌株、批次與分析資料回答。
桑黃外觀為什麼和一般食用菇不同
香菇、杏鮑菇等食用菇通常具有柔軟菌傘與明顯菌柄，成熟後很快採收食用。桑黃屬於多年生木生孔菌，子實體貼近木材或培養基質生長，組織會逐步增厚並形成木栓質或木質感。它的下表面具有許多細小菌孔，孢子從菌孔相關結構產生，而不是形成常見傘菌的菌褶。這種堅硬結構與桑黃在自然環境中長期存在有關。木生孔菌需要面對乾濕變化、微生物競爭與季節環境，較緻密的組織有助於子實體持續生長與保護繁殖構造。人工培養的桑黃雖然生長在室內，仍會依自身發育程序形成厚實子實體，因此不適合像一般食用菇直接料理，通常需要乾燥、粉碎或萃取後使用。桑黃的顏色來自真菌組織中的多種色素與代謝物，也會受到氧化、含水量、表面老化和乾燥條件影響。hispidin及其相關聚酮類化合物常呈黃褐色，是桑黃研究中受到注意的一組成分，但肉眼看到的整體顏色並不能直接換算成某一個成分含量。表面較深可能來自成熟、氧化或乾燥，內部菌肉也可能與外層具有不同顏色。同一批桑黃在不同光源下拍攝，照片顏色也會改變。手機自動白平衡、曝光、室內燈色溫與背景，都可能讓黃褐色看起來更亮或更暗。因此，消費者不宜只用商品照片判定純度，生產端若要以影像比較批次，也需要固定光源、角度、距離與色彩校正。綠品在未來導入機器視覺時，顏色將是一項重要資料，但不會單獨使用。系統需要把影像和培養天數、溫濕度、生長速度、採收重量及HPLC結果連接，才能判斷某種色澤變化只是正常成熟，還是可能代表乾燥、含水或生長環境出現差異。
顏色、形狀與培養時間的關係
子實體形狀不只由物種和菌株決定，也會受到空間、光照、濕度、通風與二氧化碳影響。培養單位表面空間不足時，子實體可能彼此擠壓；環境太乾可能使邊緣生長受限；通風與濕度分布不均，則可能造成不同架位的厚度和展開方向不同。即使同一批接種，也不一定每一個子實體都形成完全相同的幾何外觀。這種生物差異不代表人工培養失敗，而是提醒生產者不能只設定一個房間平均值。架位高度、出風口位置、容器方向和培養密度，都可能形成局部微環境。綠品長期記錄子實體形態和生長結果，可以逐步辨識哪些外觀差異仍在正常範圍，哪些需要檢查環控、含水或污染。外觀分級也應依產品用途判斷。用於完整展示或切片的子實體，形狀與表面完整度較重要；進入微細化粉體的材料，則更重視物種、成熟度、乾燥、水分、成分輪廓與安全。外觀不完美不一定代表不能作為粉體原料，但任何異常仍需要有原因和批次紀錄。研究比較不同年齡或採收階段的桑黃子實體時，確實觀察到代謝物組成會隨生長而改變，但變化並不是所有成分都持續增加。某些成分在較早階段較高，某些在成熟後增加，另一些可能先上升再下降。這表示培養時間是重要背景資料，卻不能單獨被當成品質分數。顏色變深也不等於有效成分同步提高。色澤、厚度、乾物率、多醣、多酚與HPLC指紋可能各自呈現不同趨勢。較可靠的採收標準，需要同時考慮生長是否趨緩、組織是否成熟、外觀是否符合正常範圍，以及完成乾燥後的物性與分析資料。綠品現行桑黃子實體完整生產週期約186天，這個數字代表公司現有菌株與製程的生產基準，而不是市場上所有桑黃都必須在同一天採收。實際生產仍會觀察子實體的色澤、厚度、質地和生長變化，並透過後續HPLC與批次資料確認原料表現。
外觀能否判斷物種與品質
外觀是重要線索，但不足以單獨完成物種確認。桑黃相關木生孔菌之間可能具有相似的黃褐至深褐色子實體，也可能因環境不同而出現形態變異。專業鑑定通常還要觀察菌孔大小、孢子、菌絲系統、寄主、採集地與DNA序列。對消費者而言，不需要具備顯微鑑定能力，但可以知道一張漂亮子實體照片不能取代菌株和來源資料。產品若使用完整粉體，外觀在粉碎後更加難以辨識，因此應依靠原料文件、批次和檢驗，而不是只看粉末顏色。深褐色粉末不一定表示成熟度高，鮮黃色粉末也不一定表示成分特別集中。歷史文獻與產品資料中廣泛使用 Phellinus linteus 名稱，現代研究則常依物種與菌株進一步分類。這些名稱都可以提供研究脈絡，但判讀外觀和成分時，仍要回到實際材料，而不是單靠名稱或照片作結論。新鮮子實體中的水分會影響顏色、質地與重量。乾燥過程中，含水下降、表面氧化和熱作用可能讓顏色變深，也可能造成邊緣收縮與裂紋。乾燥溫度過高或時間過長，可能改變氣味與部分熱敏成分；乾燥不足則增加微生物和保存風險。粉碎後，外層與內部組織被混合，粒徑又會影響光線反射，因此粉體顏色和完整子實體表面不會完全相同。較細粉末可能看起來較均勻或較亮，也更容易吸濕和飛散。這些物理變化說明，粉體品質需要水分、粒徑、流動性和HPLC等資料共同判斷，不能只用色卡評分。綠品將桑黃子實體乾燥後進行物理微細化，並以場內HPLC比較批次輪廓。若某批粉體顏色與歷史範圍差異明顯，團隊可以回頭檢查採收成熟度、乾燥條件、粉碎溫度與保存，而不是立即把顏色差異解讀成成分增加或降低。
影像如何成為生產與品質資料
外觀雖然不能單獨決定品質，卻非常適合成為連續生長紀錄。固定角度、固定光源和固定時間拍攝，可以追蹤子實體從早期原基、展開、增厚到成熟的變化。當照片和架位、批號、培養天數與環境感測器連接後，影像便不只是商品照片，而是生產資料。機器學習已被用於菇類生長監測和影像辨識，但不同菇種的形態和成熟特徵不同，桑黃仍需要以自己的菌株和生產環境建立模型。綠品十多年累積的生長觀察，若逐步轉化成標準化影像和標記資料，可以讓AI先協助找出異常生長、顏色偏移或成熟度差異，再由培養人員確認。未來機器視覺還可以連接自動巡檢、搬運與採收排程。系統不是因為看到顏色變深就自動判定品質，而是將外觀變化和歷史生長曲線、HPLC與最終乾物率一起比較。人的經驗因此不會被外觀演算法取代，而會被轉化成可以持續累積和驗證的判斷系統。正常生長中的桑黃會出現色澤、厚度與形態差異，但若某個培養單位突然出現不規則斑點、異常濕潤、表面粉狀物、氣味改變或生長停滯，就需要進一步檢查。這些現象可能和局部水分、競爭微生物、容器破損或環境偏差有關，不能只靠「看起來比較黑」或「長得比較慢」做單一判斷。生產現場的外觀檢查因此是一種早期警示，而不是最後品質結論。發現異常後，還要查看同批其他培養單位、架位環境、接種紀錄與微生物結果。綠品若將異常照片、處理方式和最後檢驗保留下來，未來系統便能辨識哪些外觀只是自然變異，哪些模式經常和污染或製程問題同時出現。完整子實體可以讓人看到表面紋理、厚度、菌孔面和乾燥狀態，但這些觀察主要用來了解原料外形，而不是自行判定功效。表面若有大量灰塵、明顯黴斑、潮濕軟化或不自然氣味，代表保存可能出現問題；正常乾燥桑黃則通常堅硬、乾燥並具有木質感。產品若已研磨成粉，消費者更需要依靠密封、批號、製造日期與檢驗資料。粉體顏色可以作為品牌長期穩定性的觀察，但不同批次有些自然差異並不罕見。真正可靠的品質管理，是品牌能說明差異是否仍在規格內，而不是承諾每一批顏色都像人工色卡一樣完全相同。
結語
桑黃的顏色與形狀記錄了它的生長過程，也受到菌株、環境、成熟度、乾燥和粉碎影響。明亮橙黃不一定代表成分最高，深褐厚實也不等於品質必然較好；外觀是重要線索，卻需要和培養時間、物性、HPLC及安全資料一起理解。對綠品而言，外觀紀錄不只是展示子實體，而是十多年生產資料的一部分。當每一張影像都能連回批次、生長條件和最終分析，桑黃的顏色與形狀便能從人的經驗判讀，逐步成為AI、機器視覺與智慧製造可使用的資料。這也讓消費者能用更成熟的方式看待桑黃：不只看它像不像傳說中的珍貴野生菇，而是了解一批原料如何被觀察、採收和確認。
參考資料
Xu, C. et al.（2023），Identification of altered metabolic functional components using metabolomics to analyze different ages of fruiting bodies of Sanghuangporus vaninii。https://www.frontiersin.org/journals/nutrition/articles/10.3389/fnut.2023.1197998/full
Qi, Y. et al.（2024），Widely targeted metabolomics analysis of Sanghuangporus vaninii mycelia and fruiting bodies at different harvest stages。https://www.frontiersin.org/journals/microbiology/articles/10.3389/fmicb.2024.1391558/full
Wang, H. et al.（2023），Identifying Bioactive Ingredients and Antioxidant Activities of Wild Sanghuangporus Species。https://www.mdpi.com/2309-608X/9/2/242
Lu, J. et al.（2024），Research Progress of Bioactive Components in Sanghuangporus spp.。https://pmc.ncbi.nlm.nih.gov/articles/PMC10976032/
Moysiadis, V. et al.（2023），Monitoring Mushroom Growth with Machine Learning。https://www.mdpi.com/2077-0472/13/1/223