這張車牌的辨識顯然非常困難！我的辨識軟體很幸運也很神奇的答對了！但我的個性就是不愛搞神祕！不會用一句含糊的AI？或甚麼學習？含糊其辭的哄騙讀者客戶！如右上方的列表，事實上因為辨識答案的信心度都不高，所以我共啟用了0-5號六種的辨識流程，加上正負片都嘗試，等於執行了12次的辨識流程！找到符合最低門檻的可能答案共有四個！

結果就是AMX-0327這個答案以76分比75分和72分的些微差距贏得比賽！將影像放大用人最聰明的眼睛驗證也真的答對了！這表示我的成功沒有僥倖，我也沒有神奇萬用的萬靈丹？就像深度學習模式說的，有一個甚麼都能準確辨識萬用模型？只要訓練量夠多就可以辨識所有狀況？我覺得那比較像是神話！

事實上我就是有很多組不同的辨識流程，各自有其特色可以辨識不同特性的模糊車牌，而且每次辨識都會有非常公平合理的自我評鑑分數！真的很像公司內部的工作競賽，同一個研發題目有多個團隊用不同的方式進行，最終當然就是選擇表現最好分數最高的成果了！

以某種角度來說，這也很像機器學習的Try and error的工作模式！找出正確機率最高的答案！而且這不是在事前模型訓練的過程，是真的在面對真實資料作辨識時就會這麼作！當然如果先嘗試使用的方案直接就達到高標，那就不必啟用其他方案了！節省時間嘛！

但是如上這麼麻煩很難定案的狀況，我的軟體就必須用盡洪荒之力，經過很多嘗試與評比過程才能得到這個最可能是正確的可貴答案！用的時間當然也比較長，需要1335毫秒，就是超過一秒鐘！這就是我的獨特AI模式了！跟大家常聽到的類神經網路或深度學習應該是大異其趣！但我真的就是這樣設計我的車牌辨識軟體的！而且非常有用！