我的車牌辨識系統會越來越厲害，一個主要原因是：我賣出去的東西永遠都可以「回診」！任何在客戶端無法辨識或錯誤的案例，我都歡迎他們丟回來給我研究。只要是人眼看得清楚，我的軟體卻看不懂的，就是會讓我興奮的研究目標！雖然不是永遠都能醫好所有「病症」！但是總能從個案分析中知道它是怎麼死的？如果醫不好，就將「病理切片」留下來，或許稍後就會想出新解法了！

兩個多月前，我賣了一套可以辨識360度任意旋轉方向的車牌辨識引擎給了高雄某科技公司，他們用來處理大量路邊開單員手拍的照片，或許是趕時間吧？那些照片真的甚麼方向的都有！很多甚至是垂直的！對於一般市售系統來說，傾斜到10度以上就無解了！我的標準版核心本來就可以辨識到±45度，加上一些額外程序就360度都能辨識了！

不只是旋轉角度的問題，斜視造成的變形其實更麻煩！矩形的車牌在3D立體世界中拍出來的影像，其實是一個「任意四邊形」！常見的車牌辨識標準程序中，偏離矩形稍大的車牌就無法在全景影像中鎖定了！我的辨識程序不一樣，是先鎖定車牌「字元」的，所以有機會重組出變形的車牌，但是這些有智慧的程序還是一些演算法，一樣會有處理不到的極限，沒有剛好踢到這些漏洞的資料，我可能永遠都不會發現這些漏洞。

昨天該客戶就擲回11張無法辨識及辨識錯誤的照片，今天一早趁著精神飽滿智商還很高的時候，一一望聞問切仔細看病，追蹤每張圖在辨識過程中迷途失敗的原因。抓到病根後，多數都是微調參數，或增刪一些限制或加權計分條件就治好了！治好9張，還是有兩張無解！

老實說我的車牌辨識研究一開始就是且戰且走，以戰養戰的！用少數資料做出雛形，賣出去後發現有很多缺點，立即接受客訴，加班處理好！但是經過兩三年之後，其實早已經比絕大多數的車牌辨識核心能力都更強了！我其實可以像其他車牌辨識廠商一樣，就是不輕易修改核心(可能也不會改吧？)，跟客戶說辨識有極限就好了！請客戶自己調整影像品質就能辨識了，多數客戶都能接受的！

但我是習慣做研究的教授出身，如果不能跟客戶解釋清楚辨識失敗的原因，我就會坐立不安，覺得自己沒學問！所以即使是我不能治好的案例，也會跟客戶詳加說明，雖然因此透露了我的極限，但我不介意的！反正我會繼續進步嘛！因為我的東西夠好了，加上好到接近雞婆的售後服務，至今沒有一次被客戶抱怨的！

不過大家要小心了！如果你買的是以「機器學習」為基礎的車牌辨識系統，就一定沒有這種可以得到診斷服務的機會！因為是「機器」學會了如何辨識車牌，不是賣你軟體的人，甚至「製作」那種軟體的工程師，都不知道「機器」為何要這麼做？你只能去問「機器」為何某張影像會辨識錯誤？但是顯然它是不能用你能懂的話跟你解釋的！我稱這種情況是：盲人騎瞎馬！

而且機器學習是以統計以及嘗試錯誤為基礎建立辨識程序的，執行效率必然很差，辨識率低，速度也一定很慢！所以目前真正能賣的車牌辨識系統，沒有一家是真的使用機器學習為主體的！千萬別上當了，一聽到機器學習或深度學習就以為見到大神了！在車牌辨識領域那不是神，應該就是騙子！