基于卷积神经网络的纸币分类与点钞

纸币面值种类居多,给银行和商业人员的点钞带来了困难,传统的人工分类、点钞会消耗大量人力且容易出错。文章基于卷积神经网络实现了不同面值纸币的分类和点钞。输入不同面值纸币,可以实现纸币分类和点钞功能,使用卷积层、池化层以及全连接层等训练得到的模型分类准确率达97.78%,点钞测试准确率达97.33%。可见,该方法在提高纸币分类与点钞的速度和准确率上有较大作用,为进一步研究与应用提供了一定的理论指导。

基于DWT与HMM的纸币图像分类方法

针对纸币图像退化造成纸币图像识别率下降的问题,提出了一种基于小波变换(DWT)与隐马尔科夫模型(HMM)的实时纸币图像分类方法:首先对纸币图像进行预处理,然后运用DWT提取纸币图像的纹理特征信息,最后运用HMM对纸币图像进行分类。通过对人民币等不同币种进行实验,证明了该方法能有效地克服纸币图像退化对识别率的影响,具有较高的识别率与稳定性。

基于Arduino的纸币整理分类控制系统设计

设计了一种基于Arduino开发板的纸币整理、分类控制系统。该系统采用Arduino Mega2560单片机作为控制核心,结合步进电机驱动板、颜色传感器、显示屏、语音播放模块等组成整套系统,实现了纸币整理、分类、显示、语音播报等功能。该系统利用Arduino IDE开发环境编写控制程序,通过模拟人工整理纸币过程实现纸币整理,通过颜色传感器采集数据以及算法控制,实现纸币分类,并通过实验证明了设计的可靠性、稳定性。

一种纸币图像特征提取方法

针对纸币在清分机中运动时,图像发生尺寸、旋转和平移的现象,提出一种对尺寸、旋转和平移运动不敏感的特征提取方法。该方法通过纸币边缘提取、尺寸计算及倾斜校正预处理,采用贝叶斯最大后验概率法拟合边缘,将所确定的图像区域等分为M×N个单元,提取其特征,消除数据的不一致性,纸币分类的准确率达99.9%以上。该方法计算复杂性低,能够满足纸币清分机对图像处理和分类的实时性要求。

简便型公交车零钱自动分类装置

本文介绍一种新型、简便的零钱分类计数装置,它利用了各种钱币的外形、质量、尺寸不同的特点,根据不同的机械原理实现零钱分类。它主要有投币口,硬币筛选板,计数器及风力装置组成。能实现公交车上投币箱将硬币、纸币分离,并能对硬币数进行计数。该装置结构简单,制作方便,性价比较高,能较好地实现功能。