一般的車牌辨識核心遇到綠底白字或白底綠字的工程車車牌，辨識率都會大降10趴的！如果拿我的停車場用軟體去辨識地磅站的工程車們，至少也會少個三五趴。完整的原因說起來很複雜，基本上就是在辨識速度與準度優先次序的妥協中，工程車是被犧牲的小媳婦！

工程車綠白色的亮度對比，先天上就不如白底黑字的車牌，加上多數時候工程車出現頻率很低，不是我們想要辨識的主要車種，多數車牌辨識系統又陷於需要又快又準的兩難，要準就必須考慮很多條件，程式計算時間就多，如果要省時間犧牲誰呢？當然是較少碰到的工程車了！如果要讓所有車種都很準，反應就會嫌慢了！

但是如果有些地方工程車是主角呢？譬如地磅站或工廠的貨物集散中心，想要讓工程車也辨識得又快又準不是沒有辦法，修改辨識程式的優先順序就好了！但是多數賣車牌辨識系統的廠商都不是自己開發的，根本不能改程式，即使可以，要改變優先順序也不是一個參數調整就行的！會牽動很多程序，必須小心處理，這就是我今天作的事！

我剛剛得到一筆兩百多張的地磅站照片，正好作為調整的驗證依據，所以忍不住乾脆不放勞動節的假了！下面是原來版本程式辨識的結果：

辨識一張1920X1080的照片需要0.643秒，感覺挺慢的！原因是當我盡量取得可能目標時，太多東西的對比度都比車牌字元明顯，等我處理完那些比較亮的目標之後才會輪到真正的車牌字元，所以會這麼久！怎麼辦？來個繁星計畫給偏鄉學子一些加分吧？

凡是找到偏綠色的目標都給他加分就對了！譬如目標的前景與背景亮度對比原來是20，但是該目標區塊中有50%的點都是偏綠色，那就加五十分！這樣一來，它們的排序就大幅提升了！本來要等前面一百個目標處理完才論到它，現在直接插隊到前面了，很快就會被處理到，只要辨識出有合理的答案當然就結案了！同一照片新版的速度就變成這樣了！

多數車牌辨識核心都不會只嘗試抓一次車牌位置，如果第一次抓的位置，辨識到最後還是無法湊出合理的車牌，就會找下一個比較像車牌的目標，但是不能這樣一直找下去，試過前三名都沒車牌就當作這張找片中沒有車牌，放棄了！不然沒車牌的照片就卡住很久，也會被罵翻的！

如果我不改變目標優先次序，就會像第一張一樣，嘗試到很多組合之後才會辨識到車牌，因為他一定不是班上前十名，甚至可能是墊底的！如果你還限制嘗試辨識的次數，沒輪到它就結案了，那就會根本沒有答案！好玩吧？

當然還有一些其他針對這種字元強化目標的小技術，經過一天的努力，我拿到的這批209張資料，用舊版辨識有大約十張是錯的，或沒有答案，辨識率就是大約95%，新版呢？只有三張實在是車牌太爛無法克服，206/209=98.56%，一開始我就是說可以到98%的！沒漏氣！包括這些好難辨識的，都搞定了！