CN111564008B - 金库现钞打标签方法、装置及系统 - Google Patents
金库现钞打标签方法、装置及系统 Download PDFInfo
- Publication number
- CN111564008B CN111564008B CN202010343013.4A CN202010343013A CN111564008B CN 111564008 B CN111564008 B CN 111564008B CN 202010343013 A CN202010343013 A CN 202010343013A CN 111564008 B CN111564008 B CN 111564008B
- Authority
- CN
- China
- Prior art keywords
- cash
- denomination
- bundle
- bundling
- output result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B27/00—Bundling particular articles presenting special problems using string, wire, or narrow tape or band; Baling fibrous material, e.g. peat, not otherwise provided for
- B65B27/08—Bundling paper sheets, envelopes, bags, newspapers, or other thin flat articles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1237—Print job management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Human Computer Interaction (AREA)
- Labeling Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种金库现钞打标签方法、装置及系统，其中方法包括：确定一银行网点上缴的各个面值现钞数量；输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。本发明采用大数据方式来分别为不同银行网点设置不同的打捆数量和每捆现钞数量，以便提升科学性和合理性。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及金库现钞打标签方法、装置及系统。
背景技术
为了保证金库现钞的安全性，通常会为金库钞箱打标签，并未对现钞本身打标签，且，在现钞入箱之前通常会进行现钞清点，目前通常为人工结合点钞机来对现金进行清点，该过程较为繁琐且耗时较长。
为了提高金库的自动化水平，目前金库开始对现钞打标签(RFID标签)，基于打标签的现钞来实现现钞的自动清点与监控功能。一张现钞打印一个标签的方式较为浪费，目前通常为100张现钞为一捆打一个标签。
不同的银行网点会向金库系统发送当天所需的总额以及不同面值数量，通常而言，不同银行网点所需的不同面值数量不同，例如，100元人民币656 张，50元人民币356张，10元人民币256张。
若打标签的现钞均为100张一捆的情况下，除了整百的数量之外，仍需要花费一些时间来拆分和清点，导致已打标签在使用起来非常不便，且科学性和合理性较差。
发明内容
鉴于此，本发明提供一种金库现钞打标签方法、装置及系统，采用大数据方式来分别为不同银行网点设置不同的打捆数量和每捆现钞数量，以便提升科学性和合理性。
为了实现上述目的，本发明提供了下述技术特征：
一种金库现钞打标签方法，包括：
确定一银行网点上缴的各个面值现钞数量；
输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
可选的，在所述确定一银行网点上缴的各个面值现钞数量之前还包括：
收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量；
基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集；
基于训练样本集对神经网络模型进行有监督训练；
在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
可选的，所述各个面值现钞数量包括：
一百元现钞数量；和/或，
五十元现钞数量；和/或，
二十元现钞数量；和/或，
十元现钞数量；和/或，
五元现钞数量；和/或，
一元现钞数量。
一种金库现钞打标签方法，应用于标签打印机，所述方法包括：
接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
可选的，所述分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作包括：
针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
一种金库现钞打标签装置，包括：
确定单元，用于确定一银行网点上缴的各个面值现钞数量；
计算单元，用于输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
发送单元，用于发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
可选的，在所述确定单元之前还包括：
收集单元，用于收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量；
构建单元，用于基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集；
训练单元，用于基于训练样本集对神经网络模型进行有监督训练；
获得单元，用于在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
一种金库现钞打标签装置，应用于标签打印机，所述装置包括：
接收单元，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
操作单元，用于分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
可选的，所述操作单元，具体用于针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
一种金库现钞打标签系统，包括：
银行金库服务器，用于确定一银行网点上缴的各个面值现钞数量；输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；发送各个面值现钞的输出结果至标签打印机；
标签打印机，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
通过以上技术手段，可以实现以下有益效果：
本发明提供了金库现钞打标签方法，银行金库服务器可以结合银行网点的历史申领数据来进行训练从而获得预先训练好的、与该银行网点对应的神经网络模型。经过该神经网络模型计算并获得该银行网点的各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
银行金库服务器会发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
通过上述方式，本发明可以采用大数据方式来分别为不同银行网点设置不同的打捆数量和每捆现钞数量，以便提升科学性和合理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种金库现钞打标签系统的结构示意图；
图2为本发明实施例公开的一种提供神经网络模型的训练过程的流程图；
图3为本发明实施例公开的一种金库现钞打标签方法的流程图；
图4为本发明实施例公开的又一种金库现钞打标签方法的流程图；
图5为本发明实施例公开的一种金库现钞打标签装置的结构示意图；
图6为本发明实施例公开的又一种金库现钞打标签装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明提供了一种金库现钞打标签系统，包括：
银行金库服务器100，用于确定一银行网点上缴的各个面值现钞数量；输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；发送各个面值现钞的输出结果至标签打印机。
标签打印机200，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
通过以上技术手段，可以实现以下有益效果：
本发明提供了金库现钞打标签方法，银行金库服务器可以结合银行网点的历史申领数据来进行训练从而获得预先训练好的、与该银行网点对应的神经网络模型。经过该神经网络模型计算并获得该银行网点的各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
银行金库服务器会发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
通过上述方式，本发明采用大数据方式来分别为不同银行网点设置不同的打捆数量和每捆现钞数量，以便提升科学性和合理性。
为了为不同银行网点设置科学的、合理的打捆数量和每捆现钞数量，为每个银行网点执行下述操作，以便为每个银行网点训练对应的神经网络模型。
由于每个银行网点的处理过程是一样的，所以以一个银行网点为例，进行详细描述。参见图2，提供神经网络模型的训练过程，应用于银行金库服务器，所述方法包括：
步骤S201：收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量。
过去一段时间可以为过去一年内，或者，指定的一段时间，对此本发明不做限定。以过去一年为例，银行金库系统可以收集银行网点过去一年内每天向金库申领的各种面值现钞数量，例如银行网点向金库申领100元人民币 656张，50元人民币356张，10元人民币256张。
当然，还可以包括其它各种面值现钞数量，各个面值现钞数量包括：
一百元现钞数量；和/或，
五十元现钞数量；和/或，
二十元现钞数量；和/或，
十元现钞数量；和/或，
五元现钞数量；和/或，
一元现钞数量。
结合人工经验来看，为各个面值现钞设置科学的合理的打捆数量和每捆现钞数量。例如，以100元人民币656张为例，可以将现钞打成300张一捆， 100张一捆、50张一捆和10张一捆(少于10张自动归为一捆)。
步骤S202：基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集。
以天为单位，一天各种面值现钞数量和对应的打捆数量和每捆现钞数量为一个样本，过去一段时间可以构建多个训练样本，从而构成训练样本集。
步骤S203：基于训练样本集对神经网络模型进行有监督训练。
预先建立一个三层神经网络，通过遗传算法从训练样本集中选择最优训练样本，作为神经网络模型的初始权值和阈值。利用训练样本集对神经网络模型进行训练。
步骤S204：在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
经过多次训练达到训练结束条件后，从而获得训练好的、与该银行网点对应的神经网络模型。
按上述方式来确定各个银行网点对应的神经网络模型，然后存储至银行金库服务器。
参见图3，本发明提供一种金库现钞打标签方法，包括以下步骤：
步骤S301：银行金库服务器确定一银行网点上缴的各个面值现钞数量。
银行网点每天营业结束后，会通过运钞车将现钞运输至金库，银行银库的服务器会确定该银行网点上缴的各个面值现钞数量，以便将银行网点上缴的现钞按照该银行网点历史申领情况进行打捆。其目的在于便于金库第二天在接收该银行网点申领的各个面值现钞数量时，能够基于已打捆现钞来简单方便地清点现钞，避免花费较多繁琐步骤来清点现钞。
步骤S302：银行金库服务器输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
银行金库服务器输入各个面值现钞数量至该银行网点对应的神经网络模型，该神经网络模型为预先训练好的，能够基于输入的各个面值现钞数量合理的确定各个面值现钞的打捆数量和每捆现钞数量。
所述各个面值现钞数量包括：
一百元现钞数量；和/或，
五十元现钞数量；和/或，
二十元现钞数量；和/或，
十元现钞数量；和/或，
五元现钞数量；和/或，
一元现钞数量。
例如，银行金库服务器确定一银行网点上缴的各个面值现钞数量：100元人民币715张，则经过神经网络模型计算后输出100元面值打捆数量4，每捆现钞数量分别为300张、100张、50张和10张(不足10张也算一捆)。
步骤S303：银行金库服务器发送各个面值现钞的输出结果至标签打印机。
银行金库服务器发送该银行网点的各个面值现钞的输出结果至标签打印机，以供标签打印机来打捆和打印标签。
步骤S304：标签打印机接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
步骤S305：分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
针对每个面值现钞分别执行如图4所示的操作。参见图4，以一个面值现钞为例，进行下述操作。
步骤S401：按每捆现钞数量由大至小的顺序确定当前捆现钞数量。
以100元人民币715张、输出结果为100元面值打捆数量4，每捆现钞数量分别为300张、100张、50张和10张为例，将每捆现钞数量按由大至小顺序排序为300张、100张、50张和10张。
选择最大的一捆现钞数量300作为当前捆现钞数量。
步骤S402:对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量。
对100元面值现钞进行清点操作，在清点数量达到300时也即达到当前捆现钞数量的情况下，结束本次清点操作。
步骤S403:对当前捆现钞数量的面值现钞执行打捆操作和打标签操作。
将300张百元面值现钞执行打捆操作获得一捆，然后为一捆现钞进行打标签操作。
步骤S404：删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量。
从300张、100张、50张和10张中删除300张，然后进入步骤S401。
步骤S405：重复执行上述操作直到打捆次数达到所述打捆数量。
按100张进行清点、打捆操作和打标签操作，然后按50张进行清点、打捆操作和打标签操作，最后按10张进行清点、打捆操作和打标签操作。
在将银行网点上缴的各种面值现钞进行打捆和打标签操作后，便可以入库保存。在第二天时金库会接收到该银行网点的申领请求，申领请求包括各个面值现钞数量。
由于该银行网点当天上缴的各个面值现钞是按照历史申领情况所打捆和打标签的，所以在第二天接收到银行网点的申领请求后，可以基于已打捆现钞，非常简单方便的便可以完成该银行网点的申领请求，无需再重复清点操作。
参见图5，本发明提供一种金库现钞打标签装置，包括：
确定单元51，用于确定一银行网点上缴的各个面值现钞数量；
计算单元52，用于输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
发送单元53，用于发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
在所述确定单元51之前还包括：
收集单元54，用于收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量；
构建单元55，用于基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集；
训练单元56，用于基于训练样本集对神经网络模型进行有监督训练；
获得单元57，用于在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
其中，所述各个面值现钞数量包括：
一百元现钞数量；和/或，
五十元现钞数量；和/或，
二十元现钞数量；和/或，
十元现钞数量；和/或，
五元现钞数量；和/或，
一元现钞数量。
参见图6，本发明有提供了一种金库现钞打标签装置，应用于标签打印机，所述装置包括：
接收单元61，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
操作单元62，用于分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
其中操作单元62具体用于针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
通过以上技术手段，可以实现以下有益效果：
本发明提供了金库现钞打标签方法，银行金库服务器可以结合银行网点的历史申领数据来进行训练从而获得预先训练好的、与该银行网点对应的神经网络模型。经过该神经网络模型计算并获得该银行网点的各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量。
银行金库服务器会发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作。
通过上述方式，本发明采用大数据方式来分别为不同银行网点设置不同的打捆数量和每捆现钞数量，以便提升科学性和合理性。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种金库现钞打标签方法，其特征在于，包括：
确定一银行网点上缴的各个面值现钞数量；
输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作，包括：针对每个面值现钞分别执行下述操作：按每捆现钞数量由大至小的顺序确定当前捆现钞数量；对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；重复执行上述操作直到打捆次数达到所述打捆数量。
2.如权利要求1所述的方法，其特征在于，在所述确定一银行网点上缴的各个面值现钞数量之前还包括：
收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量；
基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集；
基于训练样本集对神经网络模型进行有监督训练；
在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
3.如权利要求1所述的方法，其特征在于，所述各个面值现钞数量包括：
一百元现钞数量；和/或，
五十元现钞数量；和/或，
二十元现钞数量；和/或，
十元现钞数量；和/或，
五元现钞数量；和/或，
一元现钞数量。
4.一种金库现钞打标签方法，其特征在于，应用于标签打印机，所述方法包括：
接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作；
所述分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作包括：
针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
5.一种金库现钞打标签装置，其特征在于，包括：
确定单元，用于确定一银行网点上缴的各个面值现钞数量；
计算单元，用于输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
发送单元，用于发送各个面值现钞的输出结果至标签打印机，以供所述标签打印机分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作，包括：针对每个面值现钞分别执行下述操作：按每捆现钞数量由大至小的顺序确定当前捆现钞数量；对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；重复执行上述操作直到打捆次数达到所述打捆数量。
6.如权利要求5所述的装置，其特征在于，在所述确定单元之前还包括：
收集单元，用于收集所述银行网点过去一段时间内每天申领的各种面值现钞数量，确定每天申领的各种面值现钞对应的打捆数量和每捆现钞数量；
构建单元，用于基于每天申请的各种面值现钞数量和对应的打捆数量和每捆现钞数量构建训练样本集；
训练单元，用于基于训练样本集对神经网络模型进行有监督训练；
获得单元，用于在达到训练结束条件后获得训练好的、与该银行网点对应的神经网络模型。
7.一种金库现钞打标签装置，其特征在于，应用于标签打印机，所述装置包括：
接收单元，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；
操作单元，用于分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作；
所述操作单元，具体用于针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
8.一种金库现钞打标签系统，其特征在于，包括：
银行金库服务器，用于确定一银行网点上缴的各个面值现钞数量；输入各个面值现钞数量至预先训练好的、与该银行网点对应的神经网络模型，经过该神经网络模型计算并获得各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；发送各个面值现钞的输出结果至标签打印机；
标签打印机，用于接收各个面值现钞的输出结果；其中每个面值现钞的输出结果包括该面值现钞的打捆数量和每捆现钞数量；分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作；
所述分别按各个面值现钞的输出结果为不同面值现钞执行打捆操作和打标签操作包括：
针对每个面值现钞分别执行下述操作：
按每捆现钞数量由大至小的顺序确定当前捆现钞数量；
对本面值现钞进行清点操作直到清点数量达到所述当前捆现钞数量；
对当前捆现钞数量的面值现钞执行打捆操作和打标签操作；
删除该当前捆现钞数量，进入步骤所述按每捆现钞数量由大至小的顺序，确定当前捆现钞数量；
重复执行上述操作直到打捆次数达到所述打捆数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010343013.4A CN111564008B (zh) | 2020-04-27 | 2020-04-27 | 金库现钞打标签方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010343013.4A CN111564008B (zh) | 2020-04-27 | 2020-04-27 | 金库现钞打标签方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111564008A CN111564008A (zh) | 2020-08-21 |
| CN111564008B true CN111564008B (zh) | 2022-08-19 |
Family
ID=72073261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010343013.4A Active CN111564008B (zh) | 2020-04-27 | 2020-04-27 | 金库现钞打标签方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111564008B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111967982B (zh) * | 2020-09-03 | 2023-08-04 | 中国银行股份有限公司 | 现钞清点方法及装置 |
| CN115273319A (zh) * | 2022-05-19 | 2022-11-01 | 中国银行股份有限公司 | 一种现钞清点方法、装置及现钞清点设备 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0646459B1 (de) * | 1993-09-30 | 1997-10-29 | De La Rue Giori S.A. | Verfahren und Vorrichtung zum Verarbeiten von Wertscheinbogen zu Wertscheinbündeln |
| CN100550072C (zh) * | 2005-04-29 | 2009-10-14 | 深圳宝嘉电子设备有限公司 | 基于识别标识的货币出入库清点方法及支撑系统 |
| EP2245602A4 (en) * | 2008-01-17 | 2011-11-23 | Glory Kogyo Kk | PROCESS AND SYSTEM FOR SORTING BANKNOTES, PROVIDING AN EXCHANGE FUNDS AND COMPENSATING SALES |
| CN101493974B (zh) * | 2008-01-24 | 2015-09-09 | 北京银融科技有限责任公司 | 一种成包取款的方法及装置 |
| KR20090093699A (ko) * | 2008-02-29 | 2009-09-02 | 노틸러스효성 주식회사 | 묶음지폐 입출금기 및 묶음지폐 적재 방법 |
| CN101596949A (zh) * | 2009-07-03 | 2009-12-09 | 夏敬懿 | 钞捆点把、生成条码签封及封签信息传输的方法 |
| CN202033769U (zh) * | 2009-07-03 | 2011-11-09 | 夏敬懿 | 钞捆点把打标信息终端机 |
| US20180094953A1 (en) * | 2016-10-01 | 2018-04-05 | Shay C. Colson | Distributed Manufacturing |
| CN104573840B (zh) * | 2013-10-17 | 2017-09-01 | 中国人民解放军第二军医大学 | 医用耗材预估补货系统及其计算方法 |
| CN106803309B (zh) * | 2017-01-19 | 2019-10-11 | 深圳怡化电脑股份有限公司 | 一种金融自助设备加钞预测的方法和装置 |
| CN109840637A (zh) * | 2019-02-20 | 2019-06-04 | 中国银行股份有限公司 | 现金需求量预测方法、装置和设备 |
| CN110222739A (zh) * | 2019-05-23 | 2019-09-10 | 中国银行股份有限公司 | 模型构建、网点现钞需求量预测方法、装置及存储介质 |
| CN110210785A (zh) * | 2019-06-14 | 2019-09-06 | 宜春宜联科技有限公司 | 打印机耗材的分配方法及装置 |
| CN110490392A (zh) * | 2019-09-20 | 2019-11-22 | 中国银行股份有限公司 | 网点配钞方法及装置 |
| CN110942268A (zh) * | 2019-10-22 | 2020-03-31 | 九州通医疗信息科技（武汉）有限公司 | 一种医用耗材定数包提前备货的方法及系统 |
| CN110930602A (zh) * | 2019-11-19 | 2020-03-27 | 中国工商银行股份有限公司 | 钞箱一体化处理装置、银行运营系统及相关方法 |
-
2020
- 2020-04-27 CN CN202010343013.4A patent/CN111564008B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111564008A (zh) | 2020-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4166133B2 (ja) | 紙幣取扱装置 | |
| US20100127070A1 (en) | Currency Recycler Reconcilement Activity | |
| CN103198553B (zh) | 硬币自动存取款兑换机 | |
| CN111564008B (zh) | 金库现钞打标签方法、装置及系统 | |
| US8172067B1 (en) | Cancel transaction and return of same funds | |
| JP5900195B2 (ja) | 自動取引装置 | |
| JP5447604B2 (ja) | 情報処理装置、現金処理端末および情報処理システム | |
| CN101650856B (zh) | 一种收银现金管理系统及方法 | |
| JP7297476B2 (ja) | 紙幣処理システム | |
| CN103679961A (zh) | 自动交易装置及钞票处理方法 | |
| RU2580475C1 (ru) | Устройство обработки информации, терминал для обработки наличности и система обработки информации | |
| JP5766662B2 (ja) | 情報処理装置および情報処理システム | |
| JP5585620B2 (ja) | 情報処理装置および情報処理システム | |
| JP2007272507A (ja) | 現金処理装置 | |
| CN108109284B (zh) | 存款业务处理方法、设备及计算机可读存储介质 | |
| JP2004318518A (ja) | 紙幣運用システムおよびそのプログラム | |
| CN111753913A (zh) | 假币分类的方法及装置、电子设备及计算机可读存储介质 | |
| JP2009282562A (ja) | 現金集配方法及び貨幣入金装置 | |
| JP4068422B2 (ja) | 売上金入金処理装置 | |
| JP5565437B2 (ja) | 情報処理装置および情報処理システム | |
| JP5790741B2 (ja) | 情報処理装置、現金処理端末および情報処理システム | |
| CN113963478A (zh) | 多国货币配钞方法及装置 | |
| WO2010004626A1 (ja) | 有価媒体処理装置及び有価媒体処理方法 | |
| KR101385840B1 (ko) | 계수 및 로그데이터를 제공하는 지폐계수장치 및 방법 | |
| CN110930579A (zh) | 一种凭证的提取方法、装置及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |