鑽頭辨識的專案開工了！基本上就是從不同的角度拍攝製造好的鑽頭，辨識出一些外型的關鍵轉折點，以判定產品是否合格？現在的人一提到影像辨識好像就非扯到機器學習(ML)？深度學習(DL)或類神經網路(CNN)不可？開口閉口就是要取得巨量資料？要怎麼作「訓練」？其實絕大部分的影像辨識都不需要用到那些既含糊又低效率的技術的！

我做相當複雜的自然環境中的車牌辨識都可以完全不用ML、DL與CNN了！如上的產品是否合格的辨識，當然就更不必，也絕對不能用ML、DL與CNN的！當然也不需要收集巨量資料做甚麼「學習」或「訓練」？只要業主給我幾十張有正有誤的樣本影像，我就可以做到好了！以前聽到半吊子問我如何「訓練」模型時，我都很困擾不知怎麼回答？現在聽到就當他在說笑話了！外行人自己都不知道自己在說甚麼？我當然不必回答了！

如上的辨識工作就是先經過影像處理，凸顯出我希望辨識的關鍵點或線，然後將目標的點或線正確定位輸出座標資料即可！至於產品是否正常合格的判定標準？絕對不是學習訓練出來的！而是根據產品的設計圖與老師傅的經驗值！那都是可以合理量化的資訊！所以整個這種影像辨識的過程完全不會，也不必跟ML、DL或CNN扯上任何關係！如果有人還是跟你扯那套AI話術，就必然是詐騙無疑了！

事實上這個案子我也不是直接面對業主的！要讓終端客戶，也就是製造商，把他們判斷產品良莠的標準量化成影像辨識可以處理的指標，也是一件很關鍵的工作！老師傅憑目視就可以判斷哪些產品是NG的必須淘汰，但如何將他們的經驗經過討論變成可以量化的標準是這種專案最重要的第一步！

我很幸運，這是我的一位合作廠商輝動系統公司找來的工作，他們的專業更適合與業主溝通需要辨識的具體量化標準。我呢？就只作影像辨識的部分，他們告訴我要辨識哪些關鍵點與線，我寫程式如他們預期地把目標辨識出來即可！這樣分工合作真是皆大歡喜！成本很低效率很高，預期實驗用的資料齊備後一個月內就可以結案正式上線使用了！

我想告訴大家的重點是：如果你是製造商，想導入這種AI影像辨識到你的生產線，千萬不能被那些急於推銷ML技術的AI廠商誤導！因為如我們這樣使用傳統影像辨識技術解決這種問題，才是正確、有效、又快、又準、又最省錢的合理方式！這種明確的辨識工作一扯到ML、DL與CNN，就是脫了褲子放屁多此一舉，完全沒必要！還必然會浪費很多錢與時間！要小心詐騙集團亂入了！