上面是一個我剛完成，可以被分類為AOI(Automatic Optical Investigation)的影像辨識專案！通常AOI可以被視為較簡單的影像辨識類別，目標是工業化生產的制式產品，影像拍攝環境也是可以嚴格控制的生產線上的室內環境，開發這類辨識核心，我的報價通常不會超過20萬！

建構這種辨識軟體原型只需一周的時間！但是包括軟體必須往返客戶工廠測試後再讓我調整優化，幾個來回做到好就需要較長的時間，就至少是幾個月！大部分工期不是我的程式開發時間，而是等待客戶做測試的時間，有錯誤異常的狀況就要回饋給我修改直到完美！我最尷尬的是寫好上千行程式之後，可能等一個月之後客戶測試結果才回來，很多細節都忘了！必須重頭複習自己的作品！挺累的！很希望大家效率都高一點，現場測試不要讓我等太久，打鐵要趁熱嘛！

如上的案例辨識目標就是這些圓形目標的中心點，他們需要在這些孔洞範圍內做雷射刻字，我的軟體必須告訴雷射槍要準確射到哪裡！看似不難，但是其實孔洞的周邊挺複雜的！所以嘗試圈出每個孔洞範圍的邊界時不會剛好是完美的圓形，如上圖右所示！那要如何告訴客戶這些孔洞的中心點座標呢？在影像中孔洞的中心點只是一個概念而已，沒有具體特徵可以直接辨識的！

事實上我必須先用二值化圖(圖中)的輪廓(圖右)圖，建立所有封閉曲線形成的目標，再依據形狀、對比亮度與相對位置等特徵篩選出合理的25個目標孔洞！我的第一版就是根據概略為圓形目標的輪廓點的座標平均值為其中心點輸出值！但是因為圓形目標其實不會都是完美的圓形，所以當部分目標的輪廓不夠平滑整齊時，中心點就會明顯偏移，客戶測試後當然會說不夠準確穩定啦！

所以這兩天就是在研究如何計算取得更穩定可信的中心點座標了！有讀者幫我想到了嗎？我的靈感來自上圖中的二值化圖！很顯然實心圓的內部都是非常接近塗黑填滿的狀態，如果我只看輪廓點的座標就會被不整齊的輪廓誤導，但是如果我以目標區內的所有黑點的座標平均呢？這個中心點就會非常穩定合乎人眼的視覺觀感了！就是在黑色區塊的中間了！下圖就是放大的目標二值化圖與輪廓圖的對比。

所以即使是較簡單的AOI，也必須隨著每個專案的特性與目的不同，努力動腦筋解決問題的！如果你覺得這樣還是太麻煩不想傷腦筋，想用機器學習來做這個專案呢？其實鐵定會更麻煩的！成本也會高出好幾倍！原因是你必須至少有上千張類似的影像，還必須一一標記每張影像中每個孔洞「合乎人眼視覺的中心點」，這個資料量的取得與人工標記的人力時間成本就鐵定是我的報價的好多倍了！我做這個案子只需要數十張影像，也不需要找工讀生做標記正確答案！

所以不管你怎麼作怎麼想？用機器學習做這種辨識軟體都是愚不可及的！如果有人說他們可以用機器學習作這種研發？還可以做到辨識率百分百？你應該立刻打165專線查證他們是不是詐騙集團？他們的報價也一定會讓你嚇得打退堂鼓的！