скрипт поиска картинок в сутки берет около 50 тысяч картинок из интернета

есть дубликаты и чтобы постоянно не расширять дисковое пространство в качестве краткосрочного решения думаю сделать md5 хеши файлов.

и сравнивать md5($file1) === md5($file2)
а что если возникнет коллизия? нужное точное соответствие картинок их описанию


может сравнивать ещё размеры и форматы файлов чтобы на 100% быть уверенным что ошибки не будет?
кто нибудь решал подобные вопросы?