你知道現在的路邊停車收費員是怎麼工作的嗎？如上圖，他們都有個特製的掌上型小電腦，首先會拿這個設備替你的車牌拍照，拍到的照片立即上傳到雲端做車牌辨識，系統自動加上時間(或地點)標籤等資訊，一張收費單就自動列印出來，被夾到你愛車的雨刷上了！之後收費員只要來回巡視，蓋章或簽字確認時段就好了！

開單員雖然也算執行公務，但這種工作都是各地方政府外包給私人公司管理的！其中爭取到各縣市最多類似工作的就是中興保全集團下的國雲公司了！他們背後雲端的車牌辨識系統核心就是使用我的產品！所以只要你收過路邊停車費的單子，應該八成都被我的車牌辨識軟體辨識過了！其實這種應用的其他業者如果有用車牌辨識也都是買我的！沒人跟我爭的！我太強了！

所以不要再認為我只是一隻會叫的野獸(教授)！或是一個無足輕重的鄉下公司小老闆了！別管我們是不是窮酸到根本沒有辦公室，只能在家上班？也別管我們公司的資本額才幾十萬元？比多數家庭的存款還少？但我們就是台灣車牌辨識的領導品牌無誤！不僅最困難的車牌辨識軟體，如車載動態辨識打遍台灣無敵手，現在連這種大眾日常生活都會接觸到的路邊停車車牌辨識，我們也是最大咖的幕後黑手！

這種車牌辨識很容易嗎？看看上面的案例就知道了！很難的！首先必須知道開單員絕對不是故意拍成這麼難辨識的！大家想像一下，前一個車格多半也是有車的！即使不趕時間，你也不可能跑到車牌的正前方蹲下來給它拍正面大頭照的！總是只能站著(或坐在機車上)從高角度狹縫中拍照，所以這種好難辨識的車牌照片就會非常多！

在我的產品上市之前，據老客戶說這種車牌辨識率大概就只有七八成，多數管理單位還是選擇用手抄的比較快！但使用我的產品之後呢？辨識率馬上就是九成多了！所以客戶們都改用我的軟體做車牌辨識不再手抄了！這些年經過客戶們提供的無法辨識的回饋資料繼續研究，辨識率還越來越高！上圖就是這麼來的！我手頭就有好幾千張！

簡單說，在國雲公司崛起於這個路邊開單的市場之前，我就已經獨佔這個車牌辨識的應用場域了！跟我賣的車載車牌辨識軟體一樣，這幾年根本看不到任何同業來競爭的！因為對於歪斜、模糊甚至汙損的車牌辨識能力，我太強了！用流行的推銷話術來說就是：沒有誰的車牌辨識比我更「AI」了！

這是我的運氣好嗎？是我撿到了甚麼AI秘笈嗎？還是我得到了哪位AI大神的指導？其實都沒有！真正成就我目前成績的過程，比較像是「愚公移山」的寓言故事，或是鐵杵磨成繡花針吧？這麼難的辨識能成功，不是因為我有「密技」？而是我用很多極端的演算法與參數組合硬擠出來的！就是「人一能之己百之」的意思！

看到上圖紅色橢圓圈出的數字了嗎？在它的上方有很多單選的選項，那是我實驗研究用的，人家做OCR可能只用一種方式產生二值化圖，作一次的辨識，我呢？正負片加上五種不同的二值化門檻策略，從一般到極端都有，所以碰到難辨識的影像時，我可能會在內部用到多達十種的二值化，也就是十次完整的OCR辨識過程！

這不就是「人一能之己十之」的真實範例嗎？當然如果是好辨識的影像，可能第一個簡單的策略就辨識成功了！所以如上大小的影像耗時通常不會超過100毫秒！如上案例呢？事實上我總共在不同的二值化圖上，選出了27組可能的有序排列目標組合，其中有十組通過了目標型態間距等檢驗，就是「有夠像」車牌啦！

這十個可能是車牌的目標組合接下來會被切割並扭正為車牌子影像，其中六組得到了合乎台灣車牌格式的答案，但不一定就是正確答案，如下因為影像模糊，模擬兩可的奇怪答案會很多的：

所以大家最後看到的「簡單結果」，產生的過程內幕一點都不簡單！即使如此，此案例我的軟體總共也只用了不到0.5秒的時間！這就是我的程式效能規劃與精簡運算量的功力展現了！最困難的部分，其實是決賽仍有六個競爭者！我必須深度考慮所有的條件與參數，選出其中一個最可能合乎人類認知的號碼！

這不就是「AI」人工智慧的研究過程與目的了嗎？如上案例最終我的軟體可以判斷回答是5C而不是EC，這還不夠聰明嗎？還有人敢說我沒用機器學習就不是AI了嗎？事實是：機器學習在我的精密演算法設計中根本沒有容身之地！這是因為ML方法本身太遜太不精確，太不適合用在需要高精確度的影像辨識設計，絕對不是我的技術落伍哦？我比多數ML支持者都更懂ML的！