基于ANN人民币智能分捡机的研究

发布时间：2021-07-23 14:57

　　现代3C（Computer Control Communication）科学技术，发展迅猛／应用广泛／影响深远／……。该文就是3C课题中的一个微小的子课题。因为自动化／智能化系统的研制构建必然会涉及到同3C相关的理论方法与技术设施。文中，结合数字信号与模拟信号；硬件设施与软件设施；集成部件与分立元件；智能器件与非智能器件，组成了人民币智能分捡机的基本架构。文中，综合SCM（Single Chip Microprocessor）和DSP（Digital Signal Processor）这两者的“特长”，共同协作，优势互补，即充分利用前者强大的控制功能和后者快速的计算功能，实现对整个系统的优化控制与快速运作。这种双CPU（Central Processing Unit）工作模式运用得相当出色，这是该文的特色之一。文中，融合电学、磁学、光学、数学、智能学、机械学等学科的理论方法／技术设施，构建了一个小巧玲珑并且性价比高的人民币智能分捡机系统，可用来辨识人民（纸）币的真伪／面额／面向／版次／新旧以及统计人民币的张数／金额。文中，组合荧光辨伪／红外辨伪／磁性辨伪这三种辨伪设施，对人民币的真假币... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：116 页

【学位级别】：硕士

【部分图文】：

图像信息采集系统组成原理

4.4.1灰度直方图分析法对人民币的数字图像的特征进行分析处理，最典型的方法就是直方图法。人民币的灰度直方图如图4一2所示。粗厂翻、虑龟)瓤瓤瓤图4一2第五版100元人民币的灰度直方图从图4一2所示的人民币灰度直方图中可以看到，整个人民币的灰

沃斯低通滤波器、高斯低通滤波器、巴特沃斯高通滤波器、高斯高通滤波器以及同态滤波器等。下面利用频域分析法对人民币图像进行分析。图4一3为人民币两副图像的二维傅利叶变换，其中，上一幅图像是标准的人民币图像，可见高频成分相对而言比较少;下一幅图像是在口撬娜蘸置卿.一签抒习几杠玲b图4一3人民币图像的二维傅利叶变换经过空间对准后的一副脏币特征值减去新币特征值后的差分图像，其中除了残留的样本图案外，更多的是剩余的污渍信息，从该图右部可以看到，高频成分减少了。可见，人民币样本图像的频域分布与人民币污渍图像的频域分布基本一样，它们交织混杂在一起【“’][22】。由此可见，仅用频域分析法难以辨识不同成新度的人民币。

【参考文献】：
期刊论文
[1]一种基于TMS320F2812的数据采集系统[J]. 吕雪锋,吴书朝.  工业控制计算机. 2006(01)
[2]一种计算人民币图像倾斜角度的方法[J]. 张颖,吴庆洪.  测试技术学报. 2005(01)
[3]基于TMS320F2812的小型纸币鉴伪/清分机[J]. 李国华.  电子技术. 2004(08)
[4]点钞机噪声源的识别[J]. 李光,王开和,卢学军,许玮.  天津科技大学学报. 2004(02)
[5]一种实时纸币识别方法的研究[J]. 刘家锋,刘松波,唐降龙.  计算机研究与发展. 2003(07)
[6]Fourier变换与小波分析[J]. 张改英,宋建社,李孟芹,赵东涛.  西安工业学院学报. 2002(02)
[7]鉴别纸币真假的数码化InSb传感器的研制[J]. 方培生.  传感技术学报. 2002(02)
[8]半导体磁头在袖珍验钞器中的应用[J]. 周冬跃,黄钊洪,蒋少卿,邝志锋,谭燕枝.  传感器技术. 2002(03)
[9]点钞机的辨伪原理[J]. 刘庆东.  中国防伪. 2002(01)
[10]AT89C2051单片机在智能鉴伪点钞机中的应用[J]. 劳文薇.  电子与自动化. 2000(06)

硕士论文
[1]人民币智能分捡器硬件系统设计[D]. 吴慧峰.武汉理工大学 2006
[2]人民币智能分捡器软件系统设计[D]. 程海玉.武汉理工大学 2006
[3]基于机器视觉的纸币检测[D]. 朱家禄.武汉理工大学 2005
[4]台式智能型纸币清分机图像处理子系统设计[D]. 杨亮亮.华中科技大学 2005
[5]智能型纸币清分机图像识别处理方法研究[D]. 陈慧鹏.华中科技大学 2005
[6]人民币纸币面额识别方法的研究[D]. 张国华.沈阳工业大学 2005
[7]纸币清分机图像处理系统的研究[D]. 罗皓斐.浙江大学 2005
[8]基于紫外荧光信号的人民币真伪鉴别装置的研究[D]. 朱凤芝.天津大学 2004
[9]基于神经网络的人民币识别系统研究[D]. 姜波.西安理工大学 2004
[10]纸币清分机图像处理算法及控制策略的研究[D]. 王勇.浙江大学 2004



本文编号：3299509