做車牌辨識總難免碰到很多疑難雜症，我們的挑戰是人的腦袋實在太聰明了！如上的車牌O字元被磨損(或噴漆)了上面三分之一，按照車牌格式規定，那個位置應該是個英文字，所以幾乎所有人稍微想一下就會猜那個字應該是柬埔寨車牌中特殊造型(如右邊顯示的紅色字型)的英文字”O”！而且應該就是正確答案！但是要讓我的辨識軟體也這麼聰明呢？好困難的！

做了三四天的柬埔寨車牌辨識，大約九成以上清晰好辨識的車牌都搞定了，現在就開始一一研究這些有嚴重缺陷導致無法正確辨識的疑難雜症了！我的工作是要在正常辨識程序中偵測到這些異常的情況做例外處理，如果只是按照正常程序依據形狀辨識出來這個字的答案會是U，不可能是"O"字的！那就是我的軟體比人笨了！

"U"的答案當然不對！但我必須先知道它「不正常」！才知道它應該做例外的處理！證據就是它跟旁邊的字一樣寬，高度卻少了一截！我可以依據所有車牌字的統計，恢復這個字應有的寬高範圍，但被削掉的部分就是沒有資訊，對於辨識出這個字的正確答案幫助不大！

但是審視資料我可以知道甚麼呢？我知道它是上面的三分之一不見了！而且依據車牌格式，這個字一定是個英文字母，那甚麼字母的上面三分之一切掉後會變成很像”U”字呢？就只有D、O、Q與U本身了！此時殘缺字元中顯露的一點橫向的殘跡就事關重大了！D、Q與U都不會有那個多餘的筆畫，所以就非是”O”不可了！

我的軟體真的就是這樣經過「思考」得到正確答案的！所以我要自稱是「AI」影像辨識絕不過份！真的是把人的智慧用寫程式的「人工」方式加以實現嘛！其實我們的腦袋辨識有缺陷的車牌時，每個案例用的條件邏輯都不一樣，如果我可以把一般人常用的判斷邏輯大部分都寫在軟體中，我的產品就會很接近人的智慧了！

這很像醫生看病的概念，每張影像就像我的病人，如果診斷之後沒大毛病就依照標準程序檢查診斷吃藥，如果檢驗項目中發現異常就要啟動針對性的療程，不同的病就要做不同的醫療！我的辨識軟體都是這樣逐步建構出來的，標準程序SOP可以辨識出大約九成的目標，其它的一成就會分別導向很多不同的特殊流程，做最適切的處理，加加起來整體辨識率就會趨近百分之百了！

相對的，機器學習或深度學習只是用大量資料訓練出可以辨識出最多案例的單一模型！沒有因材施教的特殊作法程序，邊緣案例就不可能面面俱到通通都被辨識成功，所以整體的成功率是不可能超過我做的這種專家系統的！所以當他們獨佔AI的美名，意圖誤導大眾他們做的影像辨識會比較好？那是毫無疑問的詐騙！事實從來就不是站在他們的那一邊！