上面這張200萬畫素影像中的貨櫃碼，我可以只用135毫秒就正確辨識出來！這是貨真價實地從我的實驗軟體中抓出來的實驗畫面！而且我老是白目的挑戰甚至侮蔑主流派的ML、DL與CNN，深怕有人說我作弊說謊，所以我同步將我辨識步驟中的主要程序的耗時數據也一併輸出讓大家驗證參考了！

我只花了44毫秒從上面的200萬畫素的全彩影像中抓出必要的RGB資訊，組織成對比最佳的灰階圖再加以二值化，並切割成獨立目標變成下圖！擷取RGB資訊的部分其實那些號稱AI影像辨識的人也必須做的！我的程序與他們差異不大。差別是我繼續做到二值化與目標切割，只用了44毫秒？就很神了！

從上圖中我切割分析出了高達7549個獨立目標！我根據它們的相關幾何位置互相排列組織搜尋，只花了72毫秒就找到了可能是貨櫃碼的正確目標群組！他們可能是一橫排、兩橫排，或一直排地形式，我的程式都可以正確找到(如下圖)！過程中完全不必使用到CNN耗時的Convolution卷積運算！所以很快！一用卷積耗時就至少是一百倍了！沒有GPU幫忙你就死定了！但那些鳥事都跟我無關！

有了合理的目標群組，我只花了15毫秒就可以辨識出正確的貨櫃碼內容！當然這些過程有相當的複雜度，包括用格式資訊補遺漏失字元，用檢核碼公式查核逆向修訂辨識內容等等，但是只要不必用DL或CNN等演算法，就不會拖慢辨識時間，慢到必須使用GPU或NPU等等額外的助力！

相信只要真的做過影像辨識基礎練習的人都可以聽懂我上面的敘述！也可以體會我為何可以如此快速完成這些影像辨識，徹底擊潰使用ML、DL與CNN影像辨識的原因！他們不知道的，只是我在這些研發過程中細心完成的技術細節而已！我真的讓傳統的OCR進化了！

他們都知道的是：只要使用到DL或CNN等技術，影像辨識就會慢得不得了！非要請GPU或NPU幫忙不可！你用你自己日常用的一般電腦與作業系統，是絕對跑不動ML、DL與CNN模式開發的軟體的！至少無法像我的軟體那麼快！那就是把影像辨識變成一個貴族富豪才能玩的奢侈活動了！

所以我的具體成就就是：我讓影像辨識可以在一般電腦環境中順暢實作與實用！在我的這個多重宇宙之中，任何人都可以不需要ML、DL與CNN就可以作影像辨識，還做得很好的！你是喜歡在我的這個平行宇宙？還是那個只能用DL與CNN做影像辨識的平行宇宙呢？