最近幾天都在研究這種鑽頭的影像辨識，業界的術語叫做AOI (Automated Optical Inspection)，中文全稱是自動化光學檢測。這是一種較簡單形式的影像辨識，多數製造業為了提高產品的良率，降低人工檢測的成本都會使用！雖然AOI已行之有年，但近幾年這類產品都在積極尋求更新，也為我的行業帶來不少商機。

為什麼已經用了多年的東西會忽然大家都想升級呢？原因就是這種辨識需要配合生產線的速度，雖然希望盡量準確，但也不能慢到跟不上生產速度，回到十年前的影像品質與電腦速度限制，多數的AOI影像畫素都極低，最多只是幾萬畫素而已，這樣才能在不必買超貴攝影機與超級電腦的合理成本之下實現很低標的AOI需求。

大家都知道這十年間影像品質與電腦速度都大幅提高了！我會將公司的營運目標轉型聚焦到影像辨識也是看準了這個大趨勢，現在到未來十年絕對是影像辨識蓬勃發展的大時代！已經使用AOI多年的製造商們當然也看到了！當然會對自己十年或更早之前建置的AOI越看越不滿意，也知道只要使用更高解析度的影像，換個新的電腦就可以大幅提高AOI的準確度！

但是大家沒注意到，或比較不易理解的是：為低解析度影像設計的舊辨識軟體是無法直接移用於高畫素影像的！即使程式能跑辨識率也不會提升，因為舊軟體的很多假設都是基於低畫素的資料，無法展現高畫素的品質。就像一位博士去參加小學生的評量考試，無法展現他的優勢潛力的！

老實說，我能在公司創立之初就在車牌辨識市場竄起，一個主要原因就是我率先市場推出了百萬畫素為設計基礎的辨識核心，辨識率明顯高出當時的市場標準之故！當時主流的車牌辨識核心不過是320X240的水準，我的軟體一開始就是以1280X720的解析度設計的！當然可以做到更複雜準確的辨識效果。

所以在大環境條件一樣的前提下，AOI的升級是否能成功？是否真的可以提升辨識效能與經濟效益？關鍵其實是在新軟體的演算法設計好不好？如果演算法不夠好就無法充分發揮高畫素與新電腦的優勢；或是辨識率夠好了，但計算過於繁複速度太慢，必須買更好也更貴的電腦才能達到預期的辨識率，那也是會提高成本，更耗電浪費錢的！

所以雖然AOI的辨識技術相對較簡單，達到高辨識率不難，但如果演算法不夠快速，也是會傷及AOI升級的經濟效益的！所以我會強調我的產品辨識不但要準，還必須很快！如上圖的一張435X435的影像辨識時間可以少到20毫秒以下！這是甚麼意思？鑽頭的生產速度絕對不可能這麼快吧？既然時間夠用，客戶就可以使用非常便宜的低階電腦都來得及做好AOI，還更省電環保！

這就是我用品質爭取商業優勢的明確方向了！我們是做純軟體的公司，我們很明確的就是在演算法效率上努力！我們做得越好當然客戶就可以大幅降低硬體的成本，目前攝影機的品質已經遠遠超出一般AOI的需求，所以硬體成本高低的關鍵就是用於運算AOI的電腦！如果做到像我這麼極端，可能用個樹莓派微電腦就夠了！那不是省到極限了嗎？

相對的！如果你的辨識軟體是用所謂的AI，就是ML、DL與CNN開發的，那就絕對是一場災難了！那些技術的目標是更浮濫的使用電腦的算力，製造出更多輝達與台積電等硬體商的商機，代價卻是殘害AOI的終端使用者，讓他們買到又貴又耗電還不夠準確的系統！如果不用那些AI技術做AOI，其實根本就不必擔心電腦效能的！也因此，如果有人硬將AOI與這些AI技術名詞扯到一起，你就可以明確知道那絕對是詐騙無疑了！