不正常的車牌、非車輛照片，都構成車號判讀的挑戰
在這些情況下，遠通都被期待要能正確辨識車牌，以便向正確的車主收費。
然而，據2014年交通部呈報立法院的資料顯示，當年一至八月份之間未能透過eTag感應，且無法進行車牌辨識的車輛超過 224 萬餘筆，需由遠通部分吸收的通行費高達 530 餘萬元。
除了無法辨別與收款的部分之外，2014 年有七十五件左右的錯帳。前文提到的李經理，就是其中一個案例。
雖然遠通電收已經達到關鍵績效指標的要求，但是民眾只要收到一筆收費錯誤，很可能就會投訴抱怨，影響民眾對高速公路電子收費的觀感。遠通電收對這樣的結果並不滿意。
為了大眾對ETC收費正確度的信賴，並且減少人工肉眼識別車牌的辛勞，遠通對車牌辨識技術進行十餘年曠日持久的戰爭。
打磨系統，化解一道道難題
辦公室裡，第一線業務員和機電技術專家，討論著今天車牌辨識錯誤的報告；一旁的幾位營運專員，則和熟悉物聯網的系統工程師一同觀看國道錄像，檢視上個月辨識出錯的場域。這裡不屬於某特定部門的辦公室，而是一個跨功能編組團隊的辦公區。這個團隊名稱為：「執法創新團隊 」（Enforcement Innovation Group, EIG）。
「執法創新團隊」每年從高速公路的錄製影像中，蒐集大量車輛特徵與錯誤案例，透過人工智慧技術與深度學習技術，開發商業智能（Business Intelligence）以優化作業流程，強化自動化車牌辨識技術。以下舉出三種辨識模式做為說明案例：
案例1
當車輛行駛經國道的車牌攝影區域時，恰巧因為落葉遮擋，而無法辨識車牌號碼時。
因應採用的商業智能模式：
駛至下一個門架時，車牌上的落葉很有可能已經被吹落。此時，攝影機會再次捕捉車牌號碼，進行交叉比對。團隊藉此模式，計算出這是未成功感應的車輛，解決落葉遮擋車號的問題。
案例2
高速公路上，會受到陽光直射、高架橋、山坡陰影等影響，影響國道攝影機拍攝，導致車牌照片曝光過度、偏暗而難以辨識。
因應採用的商業智能模式：
團隊運用人工智慧技術，在拍攝車輛前，先辨別當前高速公路的光線強弱，系統再同步調整相機參數設定，以符合正常成像條件，解決車牌照片過曝的問題。
案例3
部分國道收費路段上，車牌攝影機在取像過程中，容易受到特定角度陽光影響，在玻璃、金屬、鈑金反射下形成眩光現象，干擾系統解析車牌照片。
因應採用的商業智能模式：
團隊發展新一種技術，在國道攝影機身內，加裝一層特殊隔熱紙。隔熱紙能有效過濾陽光，減緩眩光現象，提升車牌照片的辨識度。
