一种基于卷积神经网络的纸币脏污识别方法

摘要：

纸币的污损程度在某种程度上决定了纸币是否能够继续流通.如何精准的识别纸币的脏污,是当前金融机具面临的一项重大问题.为了解决这个问题,本文使用接触式图像传感器采集纸币在红光、绿光、蓝光、红外光下的双面反射图像,同时也采集纸币在绿光透射和红外光透射下的图像.通过使用图像处理的方法把纸币图像提取出来,然后分析不同脏污等级的纸币在各种光源照射下所形成的图像,最终决定把哪种光源的纸币图像输入到卷积神经网络.之后,将已经分类好的训练样本和测试样本通过上述方式处理,会得到纸币图像的训练样本和测试样本.使用训练样本对本文设计的卷积神经网络进行训练,就会得到本文所需要的纸币脏污识别分类器.然后使用测试样本在这个分类器上进行测试,会得到训练的分类器的识别效果.测试结果表明本文所设计的卷积神经网络分类器对于识别纸币脏污的准确性非常高.

关键词：纸币脏污识别、CNN、接触式图像传感器

所属期刊栏目：41

分类号：TP394(计算技术、计算机技术)

资助基金：辽宁省科学技术计划项目;辽宁省高等学校首批重大科技平台开放课题

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1508-1512