总有人对机器视觉项目没有敬畏之心，总觉得只要肉眼可以分辨的东西就很好做，但以前这种情况仅限于不懂技术的人。这回公司接到一个视觉项目，我觉得不上深度学习，光靠传统算法压根解决不了问题，但是我们公司另外一个程序员却觉得没问题，因为“特征还是比较明显的”！
这个项目其中有一个检测项是检测类似“工具箱”提手的东西，当然，这里的工具箱并不是真的工具箱，只是为了保证商业秘密找的一个类似检测目标，下面就称工具箱。
我之所以觉得非得上深度学习的原因很简单，那就是提手的材质和箱体的材质、颜色是一样的，唯一的区别就是箱体为了放倒提手，在箱体上做了一个凹槽。
所以，从视觉上来看，凹槽会比不凹的部分大概颜色深几个灰度。
在这种情况下，除非检测的时候产品位置十分精准以及打光十分讲究，否则每次拍出来的图片颜色亮度都会有细微差别。
我恰好以前遇到过这种场景，并且检测目标的特征比现在这个项目还要明显，但是光使用传统算法还是不行。
当然，我不排除一些视觉算法大牛能够通过传统算法解决这个问题，但是，我不行！
不光我不行，我们整个公司的机器视觉工程师都不行！包括那个说这个项目使用传统算法没问题的程序员。
不是我小看他们，而是他们视觉算法水平怎么样，我心里清楚得很！
所以，我很难理解为什么这个程序员说可以！
后来怎么也想不通，还是我们公司一个项目经理给我点破了这其中的道理！
首先，整个公司会深度学习的只有我，但是这个项目却不是我来做，我又在其他项目抽不开身。
此时，如果大家都说传统算法不行，那这个项目就不做了吗？
这个检测提手的项目只是整个项目其中的一环，如果因为这个导致项目做不了，对于公司来说是挺可惜的。
但是，后面发现真的不行了怎么办？
这时候有好几种解决方法，第一种就是找外包，让外包去解决这个问题。
但是，公司大概率不会选择这个方案，因为会很麻烦，代码让外包公司写的话，那就得全部重写，让外包公司在我们公司代码上做局部开发也不行，这样源码有泄露危险（虽然我很看不上）。
所以，走外包基本不可能！
第二种就是等我从其他项目上抽开身了，到时候会把我安排到这个项目中去。
这个我倒是可以接受，但是如果到时候真的让我去搞深度学习，那时候面临的客户压力将是非常巨大的。
所以，如果到时候真让我做，我会非常难受！
第三种也是自动化项目里很常见的，那就是最后这个检测项就直接被舍弃掉，公司少收一些甲方的钱即可。
甲方不同意咋办？甲方不能不同意！
说到这里，我的心真的好累，我很不明白为什么做个项目还那么多弯弯绕绕！
但是，我后面也渐渐理解了，公司能够接到一个项目也不容易，真的因为某个小功能放弃整个项目，公司也接受不了呀！
还有，自动化行业，大多数情况下都是关系项目，没有一点关系，很多项目你都接不到，因此，公司既然能接，那就有能力应对客诉！
想到这里：行吧，我还是老老实实敲我自己的代码吧！
热门跟贴