要對模糊的車牌做出最合理的辨識判斷，必須是一個合理的推理過程！上面這個案例真的已經到了模糊辨識的極致！基本上OCR的辨識能力，只能勉強辨識出6159四個字，前面的CLA三個字只是一團不確定內容的迷霧而已！如果我堅守OCR的底線，就絕對只能放棄辨識這團霧了！

那大家期待的機器學習呢？能不能從大量模糊影像資料中學會辨識這麼模糊的目標呢？理論上好像可以？相似度可以從0到100，再模糊的目標總是有個分數權重的！但是你要從何處獲得那麼多模糊的影像資料來做訓練？很燒錢的！如果辨識確認的門檻調到這麼低？那麼環境中非字元的雜訊一定會被大量誤認！那不是一場大災難嗎？又要機器學習如何排除降低誤認狀況嗎？沒完沒了了！

所以妄想靠著辨識字元本身的特徵就做出合理不失控的判斷？基本上是不可能的！也因為連這麼模糊低標的目標都必須地毯式搜索一一處理時，計算量一定會大到爆表的！輝達公司當然就樂了！沒有GPU你們這些使用機器學習的人要怎麼活？但是我的「非機器學習」技術確實可以做到穩定合理的辨識，運算量會略高卻不致失控，還是不必使用GPU的！

我的辨識邏輯是來自6159四個已知字元的推理！它們不只是四個數字，我也從字形上的6與9確認知道這是台灣車牌的七碼字型！所以他們就是某個七碼車牌的數字的部分！此處一定有一個七碼的車牌！由這個非常確定的資訊，我可以準確的推算出前三個英文字所在的位置！不必用野貓鑿井的方式四處亂挖，計算量就省了！也因為位置推算的把握性高，即使字元符合度很低，我也敢大膽做出判斷，不怕猜測的低符合度答案會離譜了！

所以這個看似神奇的模糊辨識能力，其實來自非常可靠的CSI診斷！這是精準依據科學事實推理的結果，絕對不是(也不必)使用大量資料學習訓練的結果！相對的，如果你相信深度學習終究也可以做出一樣聰明的辨識判斷？我真的很同情可憐你的處境！即使真有那麼一天，我相信你一定已經付出破產的代價！成本實在太高了！還未必真能實現的！

不論如何，我只是負起科學家的社會責任，告訴大家確實有合理也合乎成本效益的方式可以將影像辨識做到這個程度！我也已經將這樣的辨識能力實作為我日常銷售的車牌辨識軟體之中了！我賣的新版軟體都可以做到這個程度！這不是甚麼AI表演或科幻展示，這就是我的正常產品品質！