這是取自一篇2018年高雄科大貨櫃碼辨識的碩士論文中無法正確辨識的一個困難案例，當然他們必然是標榜使用最新AI技術的CNN來做辨識的！正因為理論上CNN宣稱「可以」比傳統的OCR「更能」辨識出模糊破碎的目標，我就很有興趣想試試看用我的以OCR為基礎的演算法能否搞定這個案例？如果連CNN都無法辨識正確的案例，我用我的OCR技術卻可以辨識正確呢？那就好玩了！又有題材可以取笑CNN了？

結果我稍作研究後就可以用極快的速度(僅31毫秒)做出正確辨識！該論文使用70張影像為實驗資料庫，我擷取其中他們宣稱辨識失敗的9張影像做實驗，結果成功辨識出其中的8張！身為專業影像辨識業者的我沒有漏氣，直接輾壓了在校生！而且不是使用號稱無敵AI的CNN，只是使用傳統的OCR技術「而已」！

這是不是有點像金庸武俠小說天龍八部中的橋段？在聚賢莊大戰之中，武藝高強的喬峰刻意只用一套非常基礎簡易的太祖長拳，就一一擊敗了各大門派使用各種複雜拳術與兵器的高手！正所謂「重劍無鋒，大巧不工」，只要基本功紮實，使用哪一種武功都能贏的！重點是功力與技巧，不是使用哪個門派的武功就一定比較強的！

以上面的例子來說，我不覺得CNN真的無法解決這種難度的辨識障礙，只是學生的功力可能還不夠好，加上學生可以使用的資源不夠！如果有輝達的GPU超級電腦，不惜工本的作極大量的運算，應該還是可以靠「算力」與「電費」強勢辨識成功的！重點是在真實世界中成本考量也是很重要的！不是誰家都很有錢的！CNN是不是比OCR準確？或許還有討論的空間，使用CNN的運算成本高出OCR很多倍則是無可置疑的！

以上例來說，我的演算邏輯很簡單，很像填字遊戲！我先用基本的OCR就可以很輕鬆正確的辨識出MCU93234等清晰的字！然後根據貨櫃碼的格式與字元間距等關係做推理，猜猜哪裡可能有遺漏的字？就去該處硬挖出可能破碎的字，這跟CNN掃描特徵的方式類似，只是我不會像野貓井一樣到處亂挖地毯式搜索，所以計算量遠比CNN低很多很多！

如果我預測可能有字的位置挖出的東西真的很不像字元，當然就放棄了，繼續推理其他可能位置，直到找出足夠字元拼湊出合乎規格的完整貨櫃碼為止！可能有缺字的位置大概只有三五個，我就只在三五處挖字！如果用CNN呢？每一個步驟都要做全圖掃描，非常耗時緩慢的！

這篇論文的前半部程序還是使用「非CNN」的方法找到貨櫃碼區域的！因為用CNN找實在太慢，太耗時了！他們只用CNN做字元辨識而已，結果還無法辨識出較破碎字元？實在很掉漆的！他們原本想蹭AI熱度，藉著CNN來抬高論文價值，結果適得其反，反而充分證明了CNN的缺點！貨櫃碼辨識的各個程序階段其實CNN都比不上OCR的效能！

我不知道同樣的議題交給業界號稱AI技術高超的公司去做會不會比較好？但我絕對相信好也有限！說到辨識速度與辨識率，CNN在這種議題上是看不到我的車尾燈的！因為理論上OCR就是可以做得比CNN更快、更合理、當然也更準確！而且運算量少很多倍！省錢多多！所以這種辨識字元的工作是絕對不適合使用CNN的！事實俱在，信不信由你！