如果以學術的觀點，我這個辨識成功的過程真的難登大雅之堂，因為這個辨識流程中根本沒抓到那個A字！漏抓A字之後很自然地會得到VX-7560的車牌答案，看似相當合理？但是有一個原因讓我知道這個答案鐵定是錯的！

關鍵就是台灣六碼與七碼車牌的字型有幾個字明顯不同，如上左邊是七碼的6，右邊是六碼的6。在比對字模判斷是甚麼字的時候，不論是對到哪一個字型答案都是6，但是我也會知道最佳符合度是來自哪一個6？如果是七碼車牌的6，完整答案卻沒有七個字，那就表示一定錯了！

必錯的答案還要硬交出去嗎？我是可以回頭補遺，也確實有一個流程是會嘗試找遺漏字元的，但是這一個流程已經跑到這裡，放棄太可惜，我會以推理猜測的方式給它一個至少合理的答案。那就是最前面補一個英文字母，以合乎七碼車牌的基本格式，但沒有任何參考資料時，要補哪一個字呢？以出現機率來看，當然是A的中籤率最高，那就是AVX-7560了！

對於這種可辨識邊緣的影像，除了搶快要求極速的道路版軟體之外，我的辨識核心其實都會有好多個流程，而不是只有一個「最佳」流程！多個辨識結果都會有自我評分，每個流程都完成辨識之後再整合幾個原始答案，如果都一樣當然沒問題，算是重複確認；如果不同呢？就會選擇分數最高的答案回報了！

車牌辨識的答案輸出是一個很微妙的抉擇過程，當答案顯得不太可靠時，你該怎麼辦？無魚蝦也好，看到影子就開槍嗎？還是寧缺勿濫，寧可說無法辨識也不要答錯？其實是要看軟體使用的場合與目的！所以我才會有好多種軟體，從辨識核心內部就有好多個流程不說，軟體上層還會有不同的篩選原則，到最後使用者只會看到一個深思熟慮之後的答案。

羅馬不是一天造成的！一個感覺很聰明有智慧的車牌辨識核心也一樣，不會只是一個單一的數學模型與辨識流程，此路不通還有很多岔路小巷，都有可能產生出合理的答案，整體的高辨識率就是這樣群策群力堆疊出來的！裡面有堂堂之師，也有小兵可以立大功！

很好玩的！