事實上，大概五十年前車牌辨識需要的影像辨識理論就已經完備了！但是需要的硬體成本太高，所以一直到最近，電腦與攝影的成本降低且效能提高之後，才漸漸變成可以商業化運轉的商品。但是即使是現在，車牌辨識系統仍然是在與成本掙扎的邊緣，要有高辨識率不是做不到，但是成本真的很高！即使是我只用幾個月快速開發出來的這個辨識系統，現在也面臨要提高辨識率，成本就會急速增加的壓力。

嚴格說來，如果我們有極高品質的數位影像，加上無限快速的電腦運算能力，車辨系統一定可以和人眼一樣厲害，甚至更厲害！但是應該沒有哪個國家或機構會將國防等級的超級電腦用在這種事情上面，所以遠通的車辨系統會將EX與EX搞混也不足為奇了！只是我偷笑的是他們的本錢比我粗很多，會犯的錯誤卻差不多，顯然他們捨不得花大錢，或者還真的花不起那麼大的錢？

首先如果影像解析度高，字模比對失誤率就會低，但是影像的像素點多表示運算次數也多，電腦與資料傳輸網路都必須更快，尤其是要從動態影片中擷取很多定格影像，表示攝影機的解析度也必須很好，加加起來就是需要超級電腦了！一般電腦是一台幾萬元，伺服器主機等級的電腦是數十萬，但是這些其實都遠遠不夠用於高解析度的車牌辨識，再高等級的電腦我都不知道要多少錢了？

所以我猜想即使是遠通這種大型計劃中的車辨系統其實也都是盡量在軟體上下功夫，因為超級電腦實在太貴了，可能要幾億甚至幾十億！所以只能在較低解析度的影像基礎上盡量提升辨識率，那就是程式會比較複雜，不能單靠字模比對，還要加上很多特徵辨識，譬如右邊有缺口的字就不會是0，可能是C或G等等，所以將EK看成EX算是很普通的錯誤。就和人看東西一樣，如果影像很清楚，不必專家都能看出端倪，但是影像模糊時，就需要專家的經驗解讀了！

我之前也沒料到的是：即使不買超級電腦，用軟體方式來提升辨識率還是很花錢，並不是很會寫程式就可以省錢的！因為影像不清楚，模擬兩可的狀況就很多，必須有很多的測試資料與實驗統計，才能得到比較合理的一些定量門檻值，譬如某種計算的參數多少以上是K，以下則應該是X等等。要取得大量各式資料、用程式測試資料、乃至寫程式適應解決各種狀況，都很耗費時間人力。其實這有點像竹科工程師的工作，面對電路極端複雜的電子產品，他們必須模擬測試非常多的狀況，以確定產品的可靠度。

我不諱言我的系統開發很快，參考的資料量其實很少，很多參數門檻值猜測程度很高，其實未必廣泛適用，很多例外狀況也還沒看到，當然也尚未有程式去處理，一碰到就是會辨識錯誤。雖然我自信有能力解決其中99.9%的問題，但是必須有多位測試工程師幫我將狀況資料一一抽離出來歸納整理，讓我據以寫出對應的程序；當我寫好程式也需要他們繼續幫我測試調整，所以其實我需要七八個略懂程式與影像辨識的員工，才能真的將系統提升到有如高價位辨識系統的千分之幾誤差率的水準。

這就是我的老闆與業主們目前努力假裝聽不懂的成本了！因為真的照我的要求他們就會發現，即使他們避開了初期開發的成本，靠我的特技表演讓系統「大致」看得過去，但是要繼續提升品質挑戰其他的高價位對手產品，很多錢還是躲不掉的！要靠我和不足的人力進行這些事(研究)不是不行，但是進度真的就會很慢！慢到可能別家公司會在一年之內追過我們。

唉！我真是不會做生意，居然自曝其短，但是工程師性格就是這樣，事實上即使我不講真話，問題總是會陸續浮現的。我沒說過我的研發很完美，也知道如何改進，但是如果老闆不願加碼多投資一點人力與金錢，真的就很難繼續挺進了！