我個人是從未到過新加坡，但是已經不止一次聽說新加坡的停車場車牌辨識系統還很少見？對於經濟與科技水準都很高的新加坡來說這似乎蠻奇怪的？他們不可能花不起這個錢的！但是從我一個車牌辨識核心軟體的研發者來看，這個情況是蠻合理的！

這就是所謂的雞肋效應了！意思就是「食之無味，棄之可惜」！每一個國家地區的車牌都不一樣，要研發出某地適用，而且還有極高辨識率的車牌辨識軟體不容易的！也就是必須投入不少的研發成本，成果也只能在這個地區使用，如果預期的市場根本不大，如新加坡人口只有611萬，加上競爭廠商分食大餅，是很有可能賺不回開發成本的！

所以我猜應該是各大國際廠商都有賣新加坡的車牌辨識軟體，但是應該都沒有投入夠多的成本提升品質，新加坡當地人也會評估停車場經營的成本效益，正如國內的停車場車牌辨識率低於98%就沒人買了！停車場收費不一定非用車牌辨識不可的！所以我評估不是沒有車牌辨識軟體，而是既有產品還不夠好！

所以最近的新加坡車牌辨識研發我就特別認真！希望推出的產品一炮而紅，一舉超越所有其他國際廠商！研發影像辨識這種事情需要的資源主要是研發者的知識能力，與公司大小有錢沒錢的關係不大的！反而是大公司執行研發的效率較差，三五人的研發團隊還在開會討論時，我這一人開發的團隊就已經完工了！

所以大公司才會比較期待機器學習等技術，因為如果大家都用機器學習，就不是比開發人員的知識技術，而是比資源比財力了！只要資料夠多，算力也夠多，就能堆砌出優勢產品了嘛！但是如果照我的玩法呢？就是堅持使用Rule-based或專家系統的概念做研發，高知識水準的人力才是關鍵，我單兵作戰就可以跟世界級大廠平起平坐了！

事實上以車牌辨識來說，很明顯的，市場上成熟的優勢產品都還是以傳統的Rule based為主軸，CNN與DL的產品至今都還是成本太高辨識率又不佳的落後狀態，所以這就是我這種沒有資金資源的小廠商可以進軍國際的大好機會了！當然巧婦難為無米之炊，我還是需要符合辨識現場實況的影像做研究！這就需要已經實際搶灘到新加坡的合作廠商幫忙了！

而且重要的不是那些拍得非常完美好辨識的影像，而是像上面這種處於模糊難辨識邊緣的案例！實務上的辨識率高低，其實就是看這些較難辨識的狀況下你能做到多好了！譬如字元就是很破碎或沾連嚴重時，你的例外處理能力可以救回多少案例？能救回越多就是辨識率越高了！

希望我的努力可以支持合作的廠商立承系統科技公司在新加坡打出一片天！