今天在開發撲克牌辨識系統時，遇到了一個有趣的轉折。原本信心滿滿地以為數字辨識已經相當穩定，可以進入下一階段的開發，結果實際測試時卻發現數字7經常被誤判，有時候stack size的數值還會莫名其妙變成"00"。
面對這個問題，我第一時間選擇向AI尋求解方。它們提供了各種看似專業的建議：調整OCR配置、使用白名單限制數字、加強圖片預處理...甚至還建議同時使用三種不同的辨識方法來取平均值。每個建議聽起來都很有道理，AI們也都以相當確切的口吻表達，這反而讓我陷入一個誤區 - 不斷嘗試新的解決方案，卻忽略了最基本的問題排查。
經過一整天的嘗試與挫折，我終於意識到應該先寫個簡單的debug程序，看看圖片在預處理前後的變化。諷刺的是，我發現原始圖片的辨識效果反而最好，所有的預處理反而讓圖片變得更模糊。這個發現讓我哭笑不得，卻也帶來重要的啟示：有時候最簡單的方法可能才是最好的解答，而過度依賴AI的建議反而會讓我們忽略了最基本的問題排查流程。
def detect_text(self, roi: np.ndarray) -> str:
#processed = ImagePreprocessor.preprocess_for_ocr(roi)
return pytesseract.image_to_string(roi, config='--psm 7 digits')
# My godish...
另外今天也在Git上遇到了一些困擾，不小心進入了detached head狀態，折騰了好一陣子才解決。這讓我意識到雖然平時只使用基本的Git功能，但確實需要花些時間深入學習這個工具。然而在Project開發正緊鑼密鼓的當下，要在「專注開發」和「學習新知」之間找到平衡確實不容易。
這一天的經歷讓我重新思考了對AI的依賴程度。它們的建議固然看似精確且充滿自信，但有時這種自信反而會誤導我們。相較之下，與真人討論時的不確定性反而更能激發我思考和探索。即便在AI時代，保持獨立思考和基本的問題排查能力依然至關重要。
拯救我的debug:
import os
import sys
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
import cv2
import numpy as np
from src.utils.device_connector import DeviceConnector
from src.utils.image_preprocessing import ImagePreprocessor
from src.detector.text_detector import TextDetector
from src.config.regions import STACK_REGIONS, BET_REGIONS, POT_REGION
class OCRDebugger:
def __init__(self):
self.device = DeviceConnector.connect_device()
self.text_detector = TextDetector()
def capture_screen(self):
screenshot_data = self.device.screencap()
nparr = np.frombuffer(screenshot_data, np.uint8)
return cv2.imdecode(nparr, cv2.IMREAD_COLOR)
def debug_region(self, screen, region, name):
# Extract region
roi = screen[region['y1']:region['y2'], region['x1']:region['x2']]
# Save original ROI
cv2.imwrite(f"debug_images/{name}_original.png", roi)
# Get preprocessed image
preprocessed = ImagePreprocessor.preprocess_for_ocr(roi)
cv2.imwrite(f"debug_images/{name}_preprocessed.png", preprocessed)
# Get OCR result
text = self.text_detector.detect_text(roi)
value = self.text_detector.extract_number(text)
return {
'text': text,
'value': value,
'roi': roi,
'preprocessed': preprocessed
}
def run_debug(self):
# Create debug_images directory if it doesn't exist
os.makedirs("debug_images", exist_ok=True)
# Capture screen
screen = self.capture_screen()
cv2.imwrite("debug_images/full_screen.png", screen)
# Debug each region
regions_to_check = {
'hero_stack': STACK_REGIONS['hero'],
'villain_stack': STACK_REGIONS['villain'],
'hero_bet': BET_REGIONS['hero'],
'villain_bet': BET_REGIONS['villain'],
'pot': POT_REGION
}
results = {}
for name, region in regions_to_check.items():
results[name] = self.debug_region(screen, region, name)
# Print results
print("\n=== OCR Debug Results ===")
for name, result in results.items():
print(f"\n{name.upper()}:")
print(f"Raw OCR text: '{result['text']}'")
print(f"Extracted value: {result['value']}")
print("\nDebug images have been saved to the 'debug_images' directory")
print("Check the images to see the exact regions being captured and their preprocessing")
def main():
debugger = OCRDebugger()
debugger.run_debug()
if __name__ == "__main__":
main()
