這一個月我的車牌辨識核心又進化了好多！事情開始於過年前取得了某大停車場上萬張的實地照片，客戶用我的辨識系統辨識率不盡理想之後回饋資料給我，當然整體來說是因為影像品質不是很好，約兩成資料是在我的軟體辨識能力邊緣或以外。好像用功聰明的建中資優生，卻碰到非常刁難人的一個題庫！

八成辨識率對於我的系統來說當然是一個侮辱！之前別的客戶用我的核心，和我自己設計的系統辨識率都能達到97或98的水準。我對客戶的硬體配置略有微詞之後還是接受委託，根據這筆資料研究加強軟體的辨識能力，所謂的辨識率本來就是軟硬體共同努力交會的結果。影像極好時即使較差的軟體也是近乎100%，影像很差時，最好的軟體也會只有七八十分的！

我先用人工將上萬張照片一一人眼辨識作為題庫的標準答案，接下來作個案分析，找出辨識錯誤的原因，辨識程序很多，一個環節偏差結果就錯了！知道怎麼死的就改程式，改了之後就給他重跑上萬張照片看看個案治好之後，這個「新藥」會不會反而殺死更多病人？或者真的可以治好很多以前必死的個案？

這一個月大部分時間就是這樣反覆的調整研究，收穫極大！辨識的整體成功率在同一批照片已經提升到92-95%之間，剩下的5%幾乎都是一般車牌辨識業者會直接排除的模糊失焦，或偏斜到離譜的照片。無形的進展是我對於我發明的所有演算法有了更量化與穩定的掌握！我以前就知道牽一髮會動全身，但是現在我更知道會動到多嚴重！只是身體晃一晃？還是會跌個狗吃屎？

因為要解決很多例外狀況，過程中程式碼大致上會逐步增加，但是如果某個補救的演算法可以用但效果不夠好，我也會試著打掉重新設計。譬如車牌字元破損的補救措是很重要的，如果只是字元上一個小刮痕就讓整個車牌辨識錯誤是很難接受的！我之前使用的方法經過這次巨量資料統計後證實效果並不理想，最糟糕的是它還吃掉很多計算時間。

大概就像政府體系裡的冗員或過時法規吧？嚴格說每個職位每個法規都有其出現的合理原因，但是可能因為環境變了，或有新的單位新的法規出現，原有的人與制度的存在價值已經不大，還要消耗資源坐享高薪，那就必須檢討了！當我沒有足夠統計資料時，我並不確定每個演算環節的整體影響程度，這次我就可以知道了！還好我改革的只是不會抗議被裁員減薪的程式碼，比年金改革容易多了！所以我喜歡當程式師，不愛當官，哈哈！

因為淘汰或縮減了很多效率不彰的運算，所以程式碼雖然比之前多了一成，整體辨識率提升的同時，運算時間反而少了一成！辨識變得更準不說還更快了！可見月是複雜的系統只要認真分析，可以節省資源提升效率的地方就更多，原以為百萬畫素一百多毫秒的辨識算很快了！現在快到接近破百毫秒了！

主體辨識程緒穩定之後這兩天也加緊腳步，先將重機車牌辨識功能強化(原來時有時無的)，再將軍車與臨時車牌等等特殊車牌的辨識功能加上，更快更準辨識車牌種類也更完整的核心就出現了！當然沒有最好只有更好，以後仍然會繼續研究讓它更聰明的！