一种基于AI的纸币识别方法及纸币清分机与流程
本发明涉及金融机具，具体涉及一种基于ai的纸币识别方法及纸币清分机。
背景技术：
1、目前，银行对纸币清分机的要求越来越高，需要纸币清分机对于损币作出更为精准的检知。根据现有损币标准，损币根据产生原因和存在的形式可以分为脏污、污渍、脱墨、缺失、粘贴、撕裂(如图1a所示)、拼接、变形、涂写、皱折(如图1b所示)、绵软和炭化12种类型。对于上述形式的损币，纸币清分机采用经典验钞识别模块识别(如图2所示)可以检知出绝大多数，但是其中撕裂损币如果在搬送过程中部分恢复原状(撕裂部分被抹平)，加上特征点在纸币全面积随机分布，无法固定坐标判定，因此现有的纸币清分机很难检知，同样的皱折损币也是如此。此外，单纯的绵软损币也很难检知，但市场上一般绵软都伴随着脏污的特征。
2、表一：现有纸币清分机验钞模块损币检知能力表
3、 no. 损币类型 验钞模块检知能力 no. 损币类型 验钞模块检知能力 no. 损币类型 验钞模块检知能力 1 脏污 ○ 4 粘贴 ○ 9 涂写 ○ 2 污渍 ○ 6 撕裂 × 10 皱折 × 3 脱墨 ○ 7 拼接 ○ 11 绵软 △ 4 缺失 ○ 8 变形 ○ 12 炭化 ○
4、因此，对于将撕裂、皱折检知出来，势必会大大提升纸币清分机的产品竞争力。
技术实现思路
1、本发明的一个目的是提供一种基于ai的纸币识别方法，特别是一种可以识别撕裂、皱折的纸币识别方法。
2、为达到上述目的，本发明采用的一个技术方案是：
3、一种基于ai的纸币识别方法，该方法具有ai识别的步骤，所述的ai识别包括：
4、s1、ai数据训练：采集纸币图像，包括损币图像和正常币图像，将采集的纸币图像作为训练集、验证集，输入神经网络模型进行学习，生成损券模型文件，其中：损币图像包括撕裂损币图像、皱折损币图像，
5、s2、扫描待检纸币，并生成纸币的可视化图像，利用损券模型文件对待检纸币的可视化图像进行判定，当判定有损币特征，且评价值达到阈值，则输出损币类型和评价值。
6、上述技术方案优选地，在s1中还包括对采集的纸币图进行包括：
7、s1.1、图像数据分类：将纸币图像按设定比例分入训练集、验证集，
8、s1.2、图像预处理：将训练集、验证集的纸币图像变更为设定像素大小的图像，
9、s1.3、图像数据增强：对多张纸币图像进行随机缩放、随机裁剪、随机排布之后再拼接，
10、s1.4、评估指标：用验证集对训练集进行评估，包括精确率p、类别的平均精度均值map、召回率r，
11、
12、
13、
14、其中，tp为正样本预测正确的数量，fn为负样本预测错误的数量，fp为正样本预测错误的数量，tn为负样本预测正确的数量。
15、上述技术方案优选地，在s2中对图像进行判定时包括：
16、s2.1、加载模型权重和配置，
17、s2.2、图像预处理：对图像进行尺寸缩放、归一化以及格式转换，
18、s2.3、特征提取：使用训练的神经网络提取图像特征，
19、s2.4、定位预测：通过回归层，模型预测边界框的位置坐标和概率，
20、s2.5、分类预测：对于每个边界框，通过全连接层进行分类预测，
21、s2.6、非极大抑制：合并重叠的预测框，去除非极大预测框，保留最佳预测框。
22、上述技术方案优选地，所述的方法还包括对待检纸币进行防伪特征、设定损币类型进行检知，并将所述的ai识别的输出损币类型综合判定后输出纸币识别结果，其中：所述的防伪特征包括水印、油墨、荧光；所述的设定损币类型包括脏污、污渍、脱墨、缺失、粘贴、拼接、变形、涂写、炭化损币。
23、上述技术方案优选地，所述的神经网络模型采用yolov5神经网络模型。
24、为达到上述目的，本发明采用的一个技术方案是：
25、一种基于ai的纸币识别方法，包括验钞识别、ai识别以及综合判定，其中：
26、所述的验钞识别包括对待检纸币进行防伪特征、设定损币类型进行检知，其中：所述的防伪特征包括水印、油墨、荧光；所述的设定损币类型包括脏污、污渍、脱墨、缺失、粘贴、拼接、变形、涂写、炭化损币；
27、所述的ai识别包括：
28、s1、ai数据训练：采集纸币图像，包括损币图像和正常币图像，将采集的纸币图像作为训练集，输入神经网络模型进行学习，生成损券模型文件，其中：损币图像包括撕裂损币图像、皱折损币图像，
29、s2、扫描待检纸币，并生成纸币的可视化图像，利用损券模型文件对待检纸币的可视化图像进行判定，当判定有损币特征，且评价值达到阈值，则输出损币类型和评价值。
30、所述的综合判定将所述的验钞识别的结果、ai识别的结果进行结合后输出纸币识别结果。
31、上述技术方案优选地，所述的验钞识别、ai识别依次进行。
32、本发明的另一个目的是提供一种纸币清分机。
33、为达到上述目的，本发明采用的一个技术方案是：
34、一种纸币清分机，包括ai识别模块，所述的ai识别模块采用基于ai的纸币识别方法。
35、上述技术方案优选地，所述的ai识别模块包括：
36、图像传感器：用于扫描待检纸币；
37、图像采集板：与所述的图像传感器连接，用于将所述的图像传感器扫描的待检纸币生成纸币的可视化图像；
38、ai识别板：与所述的图像采集板连接，用于存储损券模型文件，及接收所述的图像采集板生成的纸币可视化图像并进行损币特征的判定。
39、进一步优选地，所述的图像传感器的图像解析度不小于100dpi*100dpi。
40、进一步优选地，所述的图像传感器采集的图像类型为红外透过图像。
41、进一步优选地，所述的图像传感器为cis图像传感器。
42、所述的ai识别模块包括：
43、壳体：包括底板、上盖；
44、导板组件：用于对纸币进行搬送；
45、图像传感器：分别设置在所述的导板组件的上下两侧，用于对搬送过程中的纸币进行上下面的图像扫描；
46、基板：用于将所述的图像传感器扫描的纸币生成纸币的可视化图像，并进行ai判定，
47、所述的上盖、基板、图像传感器、导板组件、图像传感器以及底板从上至下依次设置，并且所述的图像传感器、上导板、下导板、图像传感器被所述的上盖、基板固定住，形成一体结构。
48、进一步优选地，所述的基板包括图像采集板、ai识别板，所述的图像采集板与所述的图像传感器连接，用于将所述的图像传感器扫描的待检纸币生成纸币的可视化图像，所述的ai识别板与所述的图像采集板连接，用于存储损券模型文件，及接收所述的图像采集板生成的纸币可视化图像并进行损币特征的判定。
49、更进一步优选地，所述的图像采集板、ai识别板集成在所述的基板上。
50、上述技术方案优选地，所述的纸币清分机还包括验钞识别模块，所述的验钞识别模块用于对纸币的防伪特征及所设定损币类型进行识别。
51、上述技术方案优选地，所述的验钞识别模块、ai识别模块根据纸币的输送流程依次设置。
52、为达到上述目的，本发明采用的一个技术方案是：
53、一种纸币清分机，包括验钞识别模块、ai识别模块，
54、所述的验钞识别模块用于对纸币的防伪特征及所设定损币类型进行识别；
55、所述的ai识别模块包括图像传感器、图像采集板以及ai识别板，所述的图像传感器用于扫描待检纸币；所述的图像采集板与所述的图像传感器连接，用于将所述的图像传感器扫描的待检纸币生成纸币的可视化图像；所述的ai识别板与所述的图像采集板连接，用于存储损券模型文件，及接收所述的图像采集板生成的纸币可视化图像并进行损币特征的判定。
56、由于上述技术方案运用，本发明与现有技术相比具有下列优点：
57、本发明通过在纸币检知过程中引入ai识别，用深度学习的方法检测经典验钞识别无法检知的撕裂币、皱折币，撕裂币、皱折币的检知率超过90％，整机检知率可以提升36％以上；
58、本发明的ai识别模块可以在不变更原来清分机结构的基础上，作为选配件进行安装，和原机不冲突，同时可以改善用户体验，提升产品竞争力。
技术特征：
1.一种基于ai的纸币识别方法，其特征在于：该方法具有ai识别的步骤，所述的ai识别包括：
2.根据权利要求1所述的基于ai的纸币识别方法，其特征在于：在s1中还包括对采集的纸币图进行包括：
3.根据权利要求1所述的基于ai的纸币识别方法，其特征在于：在s2中对图像进行判定时包括：
4.根据权利要求1所述的基于ai的纸币识别方法，其特征在于：所述的方法还包括对待检纸币进行防伪特征、设定损币类型进行检知，并将所述的ai识别的输出损币类型综合判定后输出纸币识别结果，其中：所述的防伪特征包括水印、油墨、荧光；所述的设定损币类型包括脏污、污渍、脱墨、缺失、粘贴、拼接、变形、涂写、炭化损币。
5.一种纸币清分机，其特征在于：所述的纸币清分机包括ai识别模块，所述的ai识别模块采用权利要求1至3中任意一项权利要求所述的基于ai的纸币识别方法。
6.根据权利要求5所述的纸币清分机，其特征在于：所述的ai识别模块包括：
7.根据权利要求5所述的纸币清分机，其特征在于：所述的ai识别模块包括：
8.根据权利要求6或7所述的纸币清分机，其特征在于：所述的图像传感器的图像解析度不小于100dpi*100dpi；和/或
9.根据权利要求6或7所述的纸币清分机，其特征在于：所述的图像传感器为cis图像传感器。
10.根据权利要求5所述的纸币清分机，其特征在于：所述的纸币清分机还包括验钞识别模块，所述的验钞识别模块用于对纸币的防伪特征及所设定损币类型进行识别，所述的验钞识别模块、ai识别模块根据纸币的输送流程依次设置。
技术总结
本发明涉及一种基于AI的纸币识别方法及纸币清分机，该方法具有AI识别的步骤，AI识别包括：AI数据训练：采集纸币图像，包括损币图像和正常币图像，将采集的纸币图像作为训练集、验证集，输入神经网络模型进行学习，生成损券模型文件，损币图像包括撕裂损币图像、皱折损币图像，扫描待检纸币，并生成纸币的可视化图像，利用损券模型文件对待检纸币的可视化图像进行判定，并输出损币类型和评价值。本发明用深度学习的方法检测撕裂币、皱折币，检知率超过90％，整机检知率可以提升36％以上；AI识别模块可以在不变更原来清分机结构的基础上，作为选配件进行安装，和原机不冲突，同时可以改善用户体验，提升产品竞争力。
技术研发人员：金晓峰,张明华,葛以光,管文
受保护的技术使用者：光荣电子工业（苏州）有限公司
技术研发日：
技术公布日：2024/9/23