這是某個展場某車牌辨識相關廠商的部分看板標題，其實多數這類廠商的標題都差不多是這樣！看起來很有「深度」，讓人以為他們「已經作到」類似的工作？其實這些都是理想不是現實。事實是：這些年來我接觸了很多有這類需求的警政單位，也實際作過嘉義市的路口監視器車牌辨識系統，近來更因為我的車牌辨識軟體辨識率口碑不錯，多次受邀評估幾個都會區的現有系統效能，以及討論未來新系統的規劃構想。

我看到的是所有的道路車牌辨識系統都讓使用單位很不滿意，連基本的車牌辨識正確率都不好，遑論其他車輛資訊？是有個縣市警局說買來的軟體真的號稱可以辨識好多車輛資訊，譬如車型、廠牌等等，但是正確率不到三成！只是聊備一格，根本不堪使用！警方普遍的心態是「只要路上跑的車牌辨識準一點就好了！」因為即使是單車道的車牌辨識系統，驗收標準九成就很少廠商能過關了！跟廣告宣稱的辨識率落差很大。

所以大家看這些資訊時必須理解，辨識道路上跑動的車子確實是一個很難的人工智慧議題，其實各家廠商都很掙扎，實際上辨識的困難一大堆，譬如斜向45度就無法辨識，車牌髒一點也無法辨識，車速快一點還是無法辨識，機車側身轉彎也無法辨識，車牌有陰影或夜間昏暗，等等等等！但是你看過哪一家的車牌辨識廣告畫面是這樣的？還不都是正正的乾淨的車牌？這不是鴕鳥心態嗎？

其實車牌是本來就設計讓人很好辨識的，如果車牌都辨識不準，其他較為定義模糊或複雜的：車型、顏色或廠牌等等資訊怎麼可能辨識得好？如果這樣的車輛基礎資訊辨識正確率都不夠高，那後續的大數據分析要怎麼玩呢？如果街上跑的車子被辨識率太低，那要追蹤犯案車輛就要靠運氣了！現在偶有新聞說用車牌辨識系統抓到強盜，那是運氣好，不是常態的！

簡單說，車牌辨識要有實用性，就是必須挑戰實況中本來就會有的各種角度與狀態的車牌影像，如果這些異常一點的就無法辨識，其他後續應用講的都是廢話！現在警察都變聰明了！買辨識系統時都是用影片實測，不讓廠商講理由，實際有幾輛車經過，辨識成功幾輛車，PK辨識率，誰贏就買誰的！

那麼用AI或深度學習開發的車牌辨識軟體會有用嗎？會比較強嗎？我認為會適得其反！基於「不知而行」產生的軟體，你要如何維護與升級呢？當客戶問說某張看似清晰的照片為何辨識失敗時，我可以立即追蹤辨識流程，分析並解釋原因。但是用「深度學習」製出軟體的RD則完全無法解釋！當然也無法立即解決問題，我就可以！

技術研發是沒有捷徑的！號稱自己的車牌辨識軟體使用了深度學習技術，那不是優勢，而是劣勢！別被唬弄了！那是深度的「不知所云」！自己都說不清楚自己的軟體在幹嘛？你願意相信他的軟體因為用了「新」科技就一定比較好嗎？別傻了！