10点半郭远姗姗来迟。

赵礼毅已经习惯了郭远的上班时间了，他拿着一份文件夹递给了郭远然后说道：“老板，我在做扫地机人app的时候发现咱们的扫地机器人里的图像识别技术非常成熟，我觉得我们顺便利用图像识别技术搞个智能门锁出来。”

郭远闻言接过文件快速了浏览了一遍，然后说道：“说说你的具体想法。”

“这个要用图像识别技术说起了”

从赵礼毅的口中郭远得知了为什么他会有这个想法。

赵礼毅和技术那边在做扫地机器人对应的app时，就需要进行各种对接测试。

其中扫地机器人的摄像头测试肯定是重点。

郭远在做扫地机器人的算法时，图像识别相关的是直接交给01做的。

ai和人类的思维逻辑完全不同，ai编写的程序比人类编写的绝对更加完美。

因此赵礼毅在研究了一段时间的图像识别算法之后，他发现公司的扫地机器人里搭载的图像识别算法和国内的普通算法完全不同。

目前国内的图像识别普遍使用的是深度学习中的“表示学习方法”，深度学习方法包括多个层，一般有5～20个分层，不同层会分析图像中的不同抽象特征，例如物体边缘存在位置、边缘特征、局部边缘的组合形态、组合层特征分析等。x33

深度学习是使用这些层分析图片原始数据进行特征表示，而后进行特征综合分析。

而扫地机器人里的图像算法完全不同。

核心算法和自主学习能力决定了程序可以自己总结归纳记录数据的上限。

扫地机器人里搭载的ai智能程度太高了，完全取代了需要人负责的那部分图像数据分析。

甚至连归纳总结的部分人工智能都可以自己就可以完成。

在确认了这个情况后，赵礼毅立马把图像识别的技术模块单独摘了出来。

然后开始给技术模块里的人工智能程序配置外部程序去完成识别图片的逻辑，以这部分逻辑分辨图片中的物体形状、颜色、材质等特征。

当人工智能可以做到对图片中物体的分辨归类之后，视频数据的分析就是一个将任务实时化改动的事情，剔除掉音频的话，视频即为大量图片帧的组合数据，将视频解析为独立的图片帧数进行连续解析即可。

为了测试图像识别技术的上限，在接下来的一段时间里，赵礼毅一直都在录入各种图片。