DE69734646T2 - Verfahren zur fälschungsbeurteilung von bögen, banknoten usw., und verfahren zur beurteilung ihrer einführungsrichtung - Google Patents

Verfahren zur fälschungsbeurteilung von bögen, banknoten usw., und verfahren zur beurteilung ihrer einführungsrichtung Download PDF

Info

Publication number
DE69734646T2
DE69734646T2 DE69734646T DE69734646T DE69734646T2 DE 69734646 T2 DE69734646 T2 DE 69734646T2 DE 69734646 T DE69734646 T DE 69734646T DE 69734646 T DE69734646 T DE 69734646T DE 69734646 T2 DE69734646 T2 DE 69734646T2
Authority
DE
Germany
Prior art keywords
paper type
processing
paper
banknote
bill
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.)
Expired - Fee Related
Application number
DE69734646T
Other languages
English (en)
Other versions
DE69734646D1 (de
Inventor
Hideki Daito-shi NAKAJIMA
Hidetaka Higashiosaka-shi SAKAI
Hiroshi Osaka-shi TATSUMI
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sanyo Electric Co Ltd
Original Assignee
Sanyo Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP8010919A external-priority patent/JP2816129B2/ja
Priority claimed from JP01172096A external-priority patent/JP3423136B2/ja
Priority claimed from JP8052117A external-priority patent/JPH09245172A/ja
Priority claimed from JP8056071A external-priority patent/JPH09245215A/ja
Priority claimed from JP22857996A external-priority patent/JP3192970B2/ja
Priority claimed from JP22858096A external-priority patent/JP3192971B2/ja
Application filed by Sanyo Electric Co Ltd filed Critical Sanyo Electric Co Ltd
Application granted granted Critical
Publication of DE69734646D1 publication Critical patent/DE69734646D1/de
Publication of DE69734646T2 publication Critical patent/DE69734646T2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07DHANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/181Testing mechanical properties or condition, e.g. wear or tear
    • G07D7/187Detecting defacement or contamination, e.g. dirt
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07DHANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/17Apparatus characterised by positioning means or by means responsive to positioning
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07DHANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20Testing patterns thereon
    • G07D7/2075Setting acceptance levels or parameters
    • G07D7/2083Learning

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Description

  • Technisches Gebiet
  • Die vorliegende Erfindung betrifft ein Verfahren zur Fälschungsbeurteilung von einem Papiertyp wie beispielsweise einer Banknote oder Wertpapieren.
  • Hintergrund der Erfindung
  • Als ein Verfahren zur Fälschungsbeurteilung einer Banknote ist ein in der japanischen Patentveröffentlichung Nr. 215293/1985 offenbartes Verfahren bekannt. Bei diesem Verfahren wird eine Banknote in eine Anzahl von Regionen unterteilt. Durch einen Magnetsensor werden für jeden Bereich der zu überprüfenden Banknote Detektionsdaten erzielt. Das Verhältnis der Detektionsdaten in jedem der Bereiche zur Summe der Detektionsdaten in allen Bereichen wird für jeden Bereich berechnet. Das berechnete Verhältnis für jeden Bereich wird mit einem Referenzwert verglichen, der zuvor für die Region gefunden worden ist. Wenn die Differenz zwischen diesem in irgendeinem der Bereiche nicht innerhalb eines vorbestimmten zulässigen Bereiches liegt, wird entschieden, dass die Banknote eine falsche Banknote ist.
  • Wenn die Differenz in allen Regionen innerhalb eines vorbestimmten zulässigen Bereiches ist, wird die Summe der Differenzen zwischen den Verhältnissen, die für die jeweiligen Bereiche berechnet worden sind, und der Referenzwerte in den entsprechenden Bereichen berechnet. Wenn die berechnete Summe nicht kleiner als ein vorbestimmter zulässiger Wert ist, wird entschieden, dass die Banknote eine falsche Banknote ist. Wenn die berechnete Summe kleiner als der vorbestimmte zulässige Wert ist, wird entschieden, dass die Banknote eine echte Banknote ist.
  • In diesem Stand der Technik wird das Verhältnis der Detektionsdaten in jeder der Regionen zur Summe der Detektionsdaten in allen Regionen mit dem Referenzwert verglichen, der zuvor für die Region gefunden worden ist. In solchen Fällen, bei denen die Banknote gleichförmig schmutzig ist, wird das Verfahren zur Fälschungsbeurteilung einer Banknote gemäß dem Stand der Technik nicht leicht durch den Schmutz beeinträchtigt. Die Verschmutzung der Banknote ist generell jedoch nicht gleichförmig bezüglich der Teile der Banknote. Bei diesem Stand der Technik kann eine fehlerhafte Beurteilung durch den Schmutz, die Knicke und dergleichen der Banknote erfolgen.
  • Die US-A-4,189,235 offenbart eine Vorrichtung zur dynamischen Messung des Grades der Schmutzansammlung auf Banknoten, bei dem gewisse Bereiche der Banknote mittels einer Aufnahmeeinheit beleuchtet und untersucht werden.
  • Die EP-A-0 660 276 offenbart ein neurales Netzwerk für die Banknotenerkennung und Authentifizierung, bei dem verschiedene Arten von Abtasten verwendet werden, um ein Eingangsinformation für das neurale Netzwerk zu erhalten.
  • Eine Aufgabe der vorliegenden Erfindung ist es, ein Verfahren zur Fälschungsbeurteilung eines Papiertyps zu schaffen, bei dem die Wahrheit eines Papiertyps mit hoher Präzision beurteilt werden kann, ohne dass dies durch Verschmutzung, Zerknitterung und dergleichen des Papiertyps beeinflusst wird.
  • Offenbarung der Erfindung
  • Die vorstehende Aufgabe wird durch ein Verfahren gemäß Anspruch 1 gelöst. Die abhängigen Ansprüche beziehen sich auf vorteilhafte Ausführungsformen.
  • Kurze Beschreibung der Zeichnungen
  • 1 ist eine Draufsicht auf die Anordnung eines Sensors zum Lesen der charakteristischen Maße einer Banknote;
  • 2 ist eine Seitenansicht in der in der 1 durch einen Pfeil angezeigten Richtung;
  • 3 ist ein Flussdiagramm des gesamten Vorgangs für ein Verfahren zur Fälschungsbeurteilung einer Banknote;
  • 4 ist ein Flussdiagramm des Vorgangs für die Verarbeitung der Beurteilung der Einführungsrichtung der Banknote;
  • 5 ist eine schematische Ansicht des Vorgangs zur Verarbeitung der Beurteilung der Einführungsrichtung der Banknote;
  • 6 ist eine grafische Darstellung zur Erläuterung eines Verfahrens zur Korrektur einer Eingangssignalform;
  • 7 ist ein Flussdiagramm eines weiteren Vorgangs zur Verarbeitung der Beurteilung der Einführungsrichtung der Banknote;
  • 8 ist eine schematische Ansicht eines Individuums;
  • 9 ist ein Flussdiagramm des Vorgangs zur Optimierung der Verarbeitung der Punkte, die durch GA betrieben werden;
  • 10 ist eine grafische Darstellung zur Erläuterung, dass Daten zur Überprüfung von Beschränkungsbedingungen durch Addieren von beliebigen Zahlen zu vorhergehend hergestellten Banknotendaten für die Analyse erzeugt werden;
  • 11 ist eine grafische Darstellung, die den Mittelwert der zu bearbeitenden Punkte zeigt, die durch GA optimiert sind und den Mittelwert der Raten der korrigierten Antworten für die Beurteilung der Einführungsrichtung;
  • 12 ist ein Flussdiagramm des Vorgangs zur Verarbeitung der Korrektur der Förderverschiebung;
  • 13 ist ein Signalformdiagramm zur Erläuterung der Verarbeitung des in der 12 gezeigten Schrittes 52;
  • 14 ist ein Signalformdiagramm zur Erläuterung der Verarbeitung in dem in der 12 gezeigten Schritt 54;
  • 15 ist ein Flussdiagramm eines Verfahrens zum Herausfinden von zu bearbeitenden Punkten, die in dem in der 12 gezeigten Schritt 53 verwendet werden;
  • 16 ist ein Flussdiagramm des Verarbeitungsvorgangs zur Erzeugung eines Vorhersagemodells der Schmutzkomponenten;
  • 17 ist ein Signalformdiagramm einer Eingangssignalform, die auf der Basis der abgetasteten Banknoten erhalten wird;
  • 18 ist ein Signalformdiagramm einer Referenzsignalform;
  • 19 ist ein Signalformdiagramm der Verteilung der Variationskomponenten, wie beispielsweise Schmutz und Zerknitterung, die für jede abgetastete Banknote erzeugt werden;
  • 20 ist ein Signalformdiagramm, das lernende Daten zeigt;
  • 21 ist ein Flussdiagramm, das den Vorgang für die erste präzise Beurteilungsverarbeitung zeigt;
  • 22 ist ein Signalformdiagramm einer Eingangssignalform nach der Durchführung der Verarbeitung zur Korrektur der Förderverschiebung;
  • 23 ist ein Signalformdiagramm der Verteilung der Zufallskomponenten;
  • 24 ist ein Signalformdiagramm der prognostizierten Verteilung der Schmutzkomponenten einer zu überprüfenden Banknote;
  • 25 ist eine schematische Ansicht eines Beispiels eines neuralen Netzwerkes, das anstatt eines autoregressiven Modells verwendet wird;
  • 26 ist ein Flussdiagramm des Vorgangs zur Verarbeitung eine zweiten präzisen Beurteilungsverarbeitung;
  • 27 ist eine schematische Ansicht einer ersten Maske;
  • 28 ist eine schematische Ansicht einer zweiten Maske;
  • 29 eine grafische Darstellung der Verteilungskurve der Summe der Quadrate der Differenzen zwischen Banknotendaten zur Analyse entsprechend einer gewissen individuellen und einer Referenzsignalform und der Summe der Quadrate der Differenzen zwischen Banknotendaten zur Analyse von wahren Banknoten entsprechend der individuellen und der Referenzsignalform; und
  • 30 ein Flussdiagramm des Vorgangs zur Optimierung der Verarbeitung durch GA.
  • Beste Art der Durchführung der Erfindung
  • Nunmehr Bezug nehmend auf die Figuren, werden Ausführungsformen in einem Fall, bei dem die vorliegende Erfindung bei einem Verfahren zur Fälschungsbeurteilung einer Banknote sowie auch des Standes der Technik beschrieben.
  • [1] Beschreibung des Sensors zum Abtasten der charakteristischen Größen der Banknote
  • 1 und 2 veranschaulichen einen Sensor zum Abtasten der charakteristischen Größen eine Banknote.
  • Eine Banknote 1 wird in eine Prüfvorrichtung (nicht dargestellt) eingeführt und wird in eine Richtung transportiert, die durch einen Pfeil angegeben ist. Als ein Sensor zum Abtasten der charakteristischen Größen der Banknote 1 sind zwei Projektionsgeräte 10a und 20a und zwei Lichtempfänger 10b und 20b vorgesehen.
  • Das Projektionsgerät 10a hat eine lichtemittierende Diode 11a zum Abstrahlen von Infrarotlicht mit einer Wellenlänge λ von 840 nm auf eine Anzahl von Positionen, wo die charakteristischen Größen an der Oberfläche der Banknote 1 abgetastet werden und eine lichtemittierende Diode 12a zum Abstrahlen von Rotlicht mit einer Wellenlänge von 655 nm auf die Positionen, wo die charakteristischen Größen abgetastet werden. Der Lichtempfänger 10b hat einen Fotosensor 11b zum Empfangen des Infrarotlichtes, das von der lichtemittierenden Diode 11a emittiert worden ist und durch die Banknote 1 hindurchgegangen ist und einen Fotosensor 12b zum Empfangen des roten Lichtes, das an der lichtemittierenden Diode 12a emittiert worden ist und durch die Banknote 1 hindurchgegangen ist.
  • Die lichtemittierende Diode 11a und die lichtemittierende Diode 12a werden alternierend betrieben, so dass die Ausgänge der beiden Fotosensoren 11b und 12b an den entsprechenden Positionen, wo die charakteristischen Größen erzielt werden, an der Linie L1 der Banknote 1 abgetastet werden.
  • Das Projektionsgerät 20a hat eine lichtemittierende Diode 21a zur Bestrahlung von Infrarotlicht mit einer Wellenlänge λ von 840 nm auf eine Anzahl von Positionen, wo die charakteristischen Größen an der Oberfläche der Banknote 1 abgetastet werden und auf eine Linie L2 und eine lichtemittierende Diode 20a zur Abstrahlung von rotem Licht mit einer Wellenlänge λ gleich 655 nm auf die entsprechenden Position, wo die charakteristischen Größen abgetastet werden. Der Lichtempfänger 20b hat einen Fotosensor 21b zum Empfangen des Infrarotlichtes, das von der lichtemittierenden Diode 21a emittiert und durch die Banknote 1 hindurchgegangen ist und einen Fotosensor 22 zum Empfangen des roten Lichtes, das von der lichtemittierenden Diode 22a emittiert und durch die Banknote 1 hindurchgegangen ist.
  • Die lichtemittierende Diode 21a und die lichtemittierende Diode 22a werden alternierend getrieben, so dass die Ausgänge der beiden Fotosensoren 21b und 22b an den entsprechenden Positionen erzielt werden, wo die charakteristischen Größen auf der Linie L2 der Banknote 1 abgetastet werden. Die Linie L1 und die Linie L2 haben zu der Linie L0, die durch die Mitte der Breite der Banknote 1 hindurchgeht, einen gleichen Abstand.
  • [2] Beschreibung des gesamten Vorgangs für das Verfahren zur Fälschungsbeurteilung der Banknote
  • 3 zeigt den gesamten Vorgang für ein Verfahren zur Fälschungsbeurteilung einer Banknote.
  • Die Ausgänge der Fotosensoren 11b, 12b, 21b und 22b werden angenommen, nachdem sie durch einen Analog-Digital-(A/D)-Konverter (nicht dargestellt) in Digitalsignale umgewandelt worden sind (Schritt 1).
  • Dann wird eine Grobbeurteilungsverarbeitung auf der Basis der detektierten Werte der Fotosensoren 11b, 12b, 21b und 22b durchgeführt (Schritt 2). Wenn in der Grobbeurteilungsverarbeitung entschieden worden ist, dass die Banknote eine falsche Banknote ist (JA im Schritt 3), wird das Ergebnis als ein Endergebnis der Entscheidung genommen (Schritt 4), wodurch die laufende Fälschungsbeurteilungsverarbeitung beendet ist.
  • Wenn von der Grobbeurteilungsverarbeitung nicht entschieden ist, dass die Banknote eine falsche Banknote ist (NEIN im Schritt 3), erfolgt die Verarbeitung zur Entscheidung der Einführungsrichtung der Banknote auf der Basis des detektierten Wertes des Fotosensors 11b oder 21b, der Infrarotlicht empfängt (Schritt 5). Das heißt, die Anzahl der Einführungsrichtungen der Banknote ist eine Summe von 4, weil sie zwei für den Fall ist, dass die Oberfläche der Banknote nach oben gerichtet ist, während sie zwei für zwei für den Fall ist, dass die Rückseite der Banknote nach oben gerichtet ist. Bei der Verarbeitung zur Beurteilung der Einführungsrichtung der Banknote wird entschieden, welche der vier Richtungen die Einführungsrichtung der Banknote ist.
  • Wenn das Ergebnis der Beurteilung der Einführungsrichtung der Banknote keine vorbestimmte Referenzrichtung der Einführung ist, wird eine Eingangssignalform, die auf der Basis des detektierten Wertes jedes der Fotosensoren 11b, 12b, 21b und 22b erhalten worden ist (eine Signalform, die einem detektierten Wert entsprechend einer Position entlang der Länge der Banknote repräsentiert) in eine Signalform umgewandelt, die in einem Fall erhalten wird, bei dem angenommen ist, dass die Banknote in einer vorbestimmten Referenzrichtung der Einführung zugeführt ist (Schritt 6). Als Ergebnis werden zwei Arten von Eingangssignalformen entsprechend der Linie L1 und zwei Arten von Eingangssignalformen entsprechend der Linie L2 für den Fall, dass die Banknote in der Referenzrichtung der Einführung eingeführt worden ist, erhalten.
  • Zwei Arten von Eingangssignalformen entsprechend der Linie L1 im Fall, dass die Banknote in der Referenzeinführungsrichtung eingeführt worden ist, umfassen eine Eingangssignalform basierend auf Infrarotlicht und eine Eingangssignalform basierend auf rotem Licht. Die zwei Arten von Eingangssignalformen entsprechend der Line L2 für den Fall, dass die Banknote in der Referenzeinführungsrichtung eingeführt worden ist, umfassen eine Eingangssignalform basierend auf Infrarotlicht und eine Eingangssignalform basierend auf rotem Licht.
  • Wenn das Ergebnis der Beurteilung der Einführungsrichtung der Banknote die vorbestimmte Referenzeinführungsrichtung ist, wird die Datenumwandlungsverarbeitung im Schritt 6 nicht durchgeführt.
  • Danach wird die Verarbeitung zur Korrektur der Verschiebungen in der Förderrichtung der Banknote von vier Arten von Eingangssignalformen entsprechend dem Fall, wo die Einführungsrichtung der Banknote die Referenzeinführungsrichtung ist (Verarbeitung zum Korrigieren der Förderverschiebung) durchgeführt (Schritt 7).
  • Auf der Basis der Eingangssignalform, basierend auf Infrarotlicht entsprechend der Linie L1 und der Einganssignalform basierend auf Infrarotlicht entsprechend der Linie L2 aus den vier Arten von Eingangssignalformen, wird nach der Durchführung der Verarbeitung zum Korrigieren der Förderverschiebung die erste präzise Beurteilungsverarbeitung durchgeführt (Schritt 8).
  • In der ersten präzisen Beurteilungsverarbeitung wird die gleiche Beurteilungsverarbeitung auf der Basis der entsprechenden Eingangssignalformen durchgeführt. Wenn bei der Beurteilungsverarbeitung basierend auf wenigstens einer der Eingangssignalformen entschieden wird, dass die Banknote eine falsche Banknote ist (JA im Schritt 9), wird das Ergebnis als Endergebnis der Beurteilung verwendet (Schritt 4), wodurch die laufende Fälschungsbeurteilungsverarbeitung beendet ist.
  • Wenn durch die erste präzise Beurteilungsverarbeitung nicht entschieden ist, dass die Banknote eine falsche Banknote ist, d. h. wenn in der Beurteilungsverarbeitung, die auf der Basis von zwei Eingangssignalformen basierend auf Infrarotlicht nicht entschieden ist, dass die Banknote eine falsche Banknote ist (NEIN im Schritt 9), wird die zweite präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 und der Eingangssignalform basierend auf rotem Licht entsprechend der Linie L2 aus den vier Arten von Eingangssignalformen nach der Durchführung der Verarbeitung für die Korrektur der Förderverschiebung durchgeführt (Schritt 10).
  • In der zweiten präzisen Beurteilungsverarbeitung wird die gleiche Beurteilungsverarbeitung auf der Basis der entsprechenden Eingangssignalformen durchgeführt. Wenn in der Beurteilungsverarbeitung basierend auf wenigstens einer der Eingangssignalformen entschieden wird, dass die Banknote eine falsche Banknote ist (JA im Schritt 11), wird das Ergebnis als ein Endergebnis der Beurteilung verwendet (Schritt 4), wodurch die laufende Fälschungsbeurteilungsverarbeitung beendet ist.
  • Wenn durch die zweite präzise Beurteilungsverarbeitung nicht entschieden ist, dass die Banknote eine falsche Banknote ist, d. h. wenn in der Beurteilungsverarbeitung, die auf der Basis der zwei Eingangssignalformen basierend auf rotem Licht nicht entschieden ist, dass die Banknote eine falsche Banknote ist (NEIN im Schritt 11), dann ist entschieden, dass die Banknote eine echte Banknote ist (Schritt 12), wodurch die laufende Fälschungsbeurteilungsverarbeitung beendet ist.
  • [3] Beschreibung der Grobbeurteilungsverarbeitung
  • Die Grobbeurteilungsverarbeitung wird auf der Basis der detektierten Werte der Fotosensoren 11b und 12b an einer Vielzahl von vorbestimmten Positionen, wo charakteristische Größen an der Linie L1 der Banknote 1 abgetastet werden und auf der Basis von detektierten Werten der Fotosensoren 21b und 22b an einer Anzahl von vorbestimmten Positionen durchgeführt, wo charakteristische Größen an der Linie L2 der Banknote 1 abgetastet werden.
  • Da die gleiche Beurteilungsverarbeitung an den jeweiligen Positionen wo charakteristische Größen abgetastet werden, durchgeführt wird, erfolgt die Beschreibung der Beurteilungsverarbeitung an einer Position, wo eine charakteristische Größe auf der Linie L1 der Banknote 1 abgetastet wird.
  • V11 bzw. V12 sollen detektierte Werte sein, die von den Fotosensoren 11b und 12b an einer Position erhalten worden sind, wo eine charakteristische Größe auf der Linie L1 der Banknote 1 abgetastet worden ist.
  • Zuerst wird ein Verhältnis der detektierten Werte V11/V12 und die Differenz zwischen diesen (V11–V12) berechnet. Wenn das Verhältnis V11/V12 in einem ersten vorbestimmten Bereich liegt und die Differenz (V11–V12) in einem zweiten vorbestimmten Bereich liegt, wird entschieden, dass die Banknote eine echte Banknote ist. Wenn das Verhältnis V11/V12 nicht in dem ersten vorbestimmten Bereich ist und die Differenz (V11–V12) nicht in dem zweiten vorbestimmten Bereich ist, wird entschieden, dass die Banknote eine falsche Banknote ist. Wenn bei der Verarbeitung an allen Positionen, wo charakteristische Größen abgetastet werden, entschieden worden ist, dass die Banknote eine echte Banknote ist, dann ist die Antwort in dem Schritt 3 gemäß 3 negativ, wodurch das Programm weiter zur Verarbeitung zur Beurteilung der Einführungsrichtung geht. Wenn in der Beurteilungsverarbeitung an wenigstens einer Position, wo eine charakteristische Größe abgetastet wird, entschieden worden ist, dass die Banknote eine falsche Banknote ist, ist die Antwort in dem in der 3 gezeigten Schritt 3 affirmativ, wodurch das Ergebnis der Entscheidung als ein Endergebnis der Beurteilung verwendet wird.
  • [4] Beschreibung der Verarbeitung zur Beurteilung der Einführungsrichtung der Banknote (Stand der Technik)
  • 4 zeigt den detaillierten Vorgang für die Verarbeitung zur Beurteilung der Einführungsrichtung einer Banknote im Schritt 5 gemäß 3. Ferner zeigt 5 schematisch den Vorgang für die Verarbeitung zur Beurteilung der Einführungsrichtung.
  • Die Verarbeitung zur Beurteilung der Einführungsrichtung wird auf der Basis einer Eingangssignalform, die auf der Basis des detektierten Wertes des Fotosensors 11b oder 21b, der Infrarotlicht empfängt, erhalten worden ist, durchgeführt. Sie soll auf der Basis der Eingangssignalform durchgeführt werden, die auf der Basis des Fotosensors 11b erzielt worden ist. Im Einzelnen repräsentiert die Eingangssignalform die Beziehung der Größe der Lichtdurchlässigkeit (ein detektierter Wert) zu einer Position auf der Linie L1 der Banknote 1, wie dies in der 5 durch eine polygonale Linie a angezeigt ist.
  • Die Beziehung der Größe der Lichtdurchlässigkeit zu der Position auf der Linie L1 der Banknote 1 unterscheidet sich in Abhängigkeit von der Richtung, in welcher die Banknote eingeführt worden ist. Die Beziehung der Größe der Lichtdurchlässigkeit zur Position auf der Linie L1 der Banknote 1 (im Nachfolgenden als eine Referenzsignalform für jede Einführrichtung) ist zuvor für jede Einführrichtung (eine Richtung A, eine Richtung B, eine Richtung C und eine Richtung D) unter Verwendung einer echten Banknote herausgefunden worden. In der 5 ist eine Referenzsignalform Ab für jede Einführrichtung mit Bezug auf die Richtung A und eine Referenzsignalform Db für jede Einführrichtung mit Bezug auf die Richtung D dargestellt.
  • Für jede Referenzsignalform für jede Richtung wird die Summe der Quadrate der Differenzen zwischen der Referenzsignalform für jede Richtung und der Eingangssignalform berechnet (Schritt 21). Das heißt, di (i = 1, 2, 3 ... m) sollen die Differenzen zwischen der Referenzsignalform für jede Richtung und der Eingangssignalform an Positionen sein, wo charakteristische Größen abgetastet werden, die Summe D der Quadrate der Differenzen zwischen der Referenzsignalform für jede Richtung und der Eingangssignalform wird durch die folgende Gleichung (1) ausgedrückt:
  • Figure 00120001
  • Die Richtung, in welcher die Summe D der Quadrate der Differenzen am kleinsten ist, wird als die Einführungsrichtung der Banknote verwendet (Schritt 22).
  • Da Schmutz wie beispielsweise Schmutz von Händen im Allgemeinen an einer auf dem Markt zirkulierenden Banknote anhaftet, wird der detektierte Wert wahrscheinlich-insgesamt vermindert.
  • Daher ist es vorzuziehen, dass die Größe der Eingangssignalform durch Vergleichen der Eingangssignalform mit wenigstens einer Signalform für jede Einführrichtung verglichen wird und die Verarbeitung im Schritt 21 unter Verwendung der Eingangssignalform nach der Größeneinstellung durchgeführt wird.
  • Die Größeneinstellung erfolgt durch Parallelübertragung der Originaleingangssignalform a, so dass die Größe der Eingangssignalform a mit der Größe der Referenzsignalform b für jede Richtung oder für jedes Einführen übereinstimmt, wie dies in der 6 gezeigt ist. Die Eingangssignalform nach der Parallelübertragung ist in der 6 durch a1 angezeigt. Genauer gesagt erfolgt die Parallelübertragung der Originaleingangssignalform a so dass der mittlere Wert der Differenzen an jeweiligen Abtastpositionen zwischen der Eingangssignalform a1 nach der Übertragung und der Referenzsignalform b für jede Einführungsrichtung Null wird.
  • Abtastpositionen, welche Positionen sind, wo eine Bearbeitung durchgeführt wird (Bearbeitungspunkte), um die Summe der Quadrate der Differenzen zu berechnen, können nicht alle Positionen zum Abtasten auf der Linie L1 sein. Das heißt, die Summe der Quadrate der Differenzen kann berechnet werden, indem als zu bearbeitende Punkte eine Anzahl von Abtastpositionen verwendet wird, die aus allen Abtastpositionen auf der Linie L1 ausgewählt worden ist.
  • Referenzsignalformen für vier Einführungsrichtungen können zuvor für jede der drei Arten von Banknoten vorbereitet worden sein, das heißt beispielsweise eine 10.000-Yen-Banknote, eine 5.000-Yen-Banknote und eine 1.000-Yen-Banknote, die Summen der Quadrate der Differenzen zwischen den zwölf Arten von Referenzsignalformen für jede Einführungsrichtung und die Eingangssignalform können jeweils in dem vorstehenden Schritt 21 berechnet worden sein und die Art der Banknote und der Einführungsrichtung in einem Fall, bei dem die Summe der Quadrate der Differenzen am kleinsten ist, kann als die Art der Banknote und die Einführungsrichtung beurteilt werden. Als Ergebnis ist es möglich, nicht nur die Einführungsrichtung, sondern auch die Art der Banknote zu beurteilen.
  • 7 zeigt ein weiteres Beispiel der Verarbeitung zur Beurteilung der Einführungsrichtung einer Banknote.
  • Die Verarbeitung zur Beurteilung der Einführungsrichtung einer Banknote soll ebenfalls auf der Basis einer Eingangssignalform, die auf der Basis des Fotosensors 11b erzielt worden ist, durchgeführt werden. Ferner wird eine echte Banknote als die Banknote 1 verwendet, um für jede Einführrichtung eine Beziehung zwischen einer Größe der Lichtdurchlässigkeit zu einer Position auf der Linie L1 der Banknote 1 herauszufinden (im Nachfolgenden als eine Referenzsignalform für jede Einführungsrichtung bezeichnet).
  • Es werden eine Anzahl von zuvor angegebenen Positionen, wo charakteristische Größen abgetastet werden, als zu bearbeitende Punkte verwendet, um für jede Referenzsignalform für jede Einführungsrichtung einen Wert entsprechend einer Varianz der Differenzen zwischen der Referenzsignalform für jede Einführungsrichtung und der Eingangssignalform zu berechnen (Schritt 31). Im Einzelnen soll di (i = 1, 2, 3 ... n) die Differenzen zwischen der Referenzsignalform für jede Richtung und der Eingangssignalform an Abtastpositionen, die zuvor als die Punkte angegeben worden sind, die zu bearbeiten sind, und *d soll der Mittelwert der Differenzen di sein, ein Wert σ entsprechend der Varianz der Differenzen zwischen der Referenzsignalform für jede Richtung und der Eingangssignalform wird durch die folgende Gleichung (2) ausgedrückt:
  • Figure 00140001
  • Die Richtung, in welcher der Wert σ entsprechend der Varianz der Differenzen am kleinsten ist, wird als die Richtung verwendet, in welcher die Banknote eingeführt ist (Schritt 32).
  • Der Grund dafür, warum der Wert σ entsprechend der Varianz der Differenzen für die Beurteilung der Einführungsrichtung der Banknote verwendet wird, ist wie folgt. Das heißt, eine Banknote, die auf dem Markt zirkuliert, ist schmutzig, so dass der detektierte Wert wahrscheinlich insgesamt vermindert ist. Daher ist es vorzuziehen, die Summe der Quadrate der Differenzen zwischen der Eingangssignalform und der Referenzsignalform für jede Zuführrichtung zu berechnen, nachdem eine Parallel-Translation der Eingangssignalform durchgeführt worden ist, so dass der Mittelwert der Fehler zwischen der Eingangssignalform und der Referenzsignalform für jede Einführungsrichtung null wird. Der Wert σ entsprechend der Varianz der Differenzen ist auf der Basis dieser Idee berechnet worden.
  • Es folgt die Beschreibung eines Verfahrens zum Angeben der Abtastpositionen, die die zu bearbeitenden Punkte sind.
  • Die Abtastpositionen, die die zu bearbeitenden Punkte sind, werden durch eine Optimierungsverarbeitung unter Verwendung eines genetischen Algorithmus (im Nachfolgenden als GA bezeichnet) ermittelt.
  • Wie in der 8 gezeigt, ist ein Individuum 300 repräsentiert. Eine in der 8 gezeigte polygonale Linie a bezeichnet eine Eingangssignalform, und eine polygonale Linie bezeichnet eine Referenzsignalform für jede Einführungsrichtung. Das Individuum 300 hat Gene entsprechend der jeweiligen Abtastpositionen und jedes der Gene nimmt einen Wert „0" oder „1" ein. „0" gibt an, dass ein detektierter Wert an der Abtastposition dem Gen entspricht, das nicht an einem zu bearbeitenden Punkt genommen worden ist und „1" gibt an, dass ein detektierter Wert an der Abtastposition entsprechend dem Gen als ein zu bearbeitender Punkt genommen wird.
  • Das Individuum wird auf der Basis einer Evaluierungsfunktion evaluiert, die durch die folgende Gleichung (3) ausgedrückt ist. Das heißt, die Evaluierungsfunktion wird die Anzahl der Gene, welche den Wert „1" einnehmen. Evaluierungsfunktion = Anzahl der Abtastpositionen, die als zu bearbeitende Punkte genommen werden (3)
  • 9 zeigt den Vorgang zur Optimierungsverarbeitung unter Verwendung der GA.
  • Zunächst wird die Ausgangspopulation erzeugt (Schritt 41). Das heißt, es wird eine zuvor gesetzte Anzahl von Individuen durch Zufallszahlen erzeugt. Es werden jedoch nur Individuen verwendet, deren Raten an korrekten Antworten auf die Beurteilung der Ein führungsrichtung (%) 100% sind, bezogen auf alle Banknotendaten für die Analyse, die zuvor hergestellt worden sind.
  • Bei diesem Beispiel werden Eingangssignalformen für jede der vier Einführungsrichtungen entsprechend von 40 Banknoten als Banknotendaten für die Analyse hergestellt. Die Richtung, in welcher eine Banknote eingeführt wird, wird unter Verwendung aller Banknotendaten für die Analyse mit Bezug auf die Individuen, die durch Zufallszahlen erzeugt worden sind, verwendet. Die Rate der korrekten Antworten auf die Beurteilung der Einführungsrichtung (%) wird mit Bezug auf die Individuen berechnet. Die Individuen, deren Raten der korrekten Antworten auf die Beurteilung der Einführungsrichtung nicht 100% ist, werden nicht als Ausgangspopulation verwendet. 20 Individuen, deren Raten der korrekten Antworten auf die Beurteilung der Einführungsrichtung gleich 100% sind, werden so erzeugt.
  • Dann wird diese Lektionsverarbeitung durchgeführt (Schritt 42). Im Einzelnen wird ein evaluierter Wert jedes Individuums unter Verwendung der Evaluierungsfunktion berechnet, wodurch die Individuen in der oberen Hälfte, welche niedrige evaluierte Werte einnehmen, gewählt werden und die anderen Individuen verworfen werden. Daraus folgend sind zehn Individuen gewählt.
  • Zwei beliebige Individuen werden dann aus den im Schritt 42 ausgewählten Individuen ausgewählt und die gewählten Individuen werden miteinander gekreuzt (Schritt 43). Die Individuen werden miteinander zehn Mal gekreuzt, so dass 20 neue Populationen erzeugt werden. Beispielsweise wird als Kreuzung eine gleichmäßige Kreuzung verwendet.
  • Danach wird ein Individuum gewählt, so dass eine Mutation entwickelt wird (Schritt 44). Das heißt, der Wert eines willkürlichen Gens des gewählten Individuums wird invertiert.
  • Dann werden den Banknotendaten, die für die Analyse zuvor präpariert worden sind, Zufallszahlen addiert, um Daten für die Prüfung der Beschränkungsbedingungen zu er zeugen (Schritt 45). In diesem Beispiel werden Eingangssignalformen für jede der vier Einführungsrichtungen entsprechend 40 Banknoten als Banknotendaten für die Analyse hergestellt. Zufallszahlen werden jedem der Banknotendaten für die Analyse addiert, um Daten für die Prüfung der Beschränkungsbedingungen zu erzeugen.
  • Wie insbesondere in der 10 gezeigt, werden die Zufallszahlen σ in einem definierten Bereich für jeden der detektierten Werte an Positionen erzeugt, wo charakteristische Größen der Banknotendaten für die Analyse c abgetastet werden und die erzeugten Zufallszahlen werden zum detektierten Wert addiert, um Daten zur Prüfung der Beschränkungsbedingungen d zu erzeugen.
  • Danach wird mit Bezug auf jedes der 20 Individuen, die durch die Verarbeitung in den Schritten 43 und 44 erzielt worden sind, unter Verwendung der Daten zur Prüfung der Beschränkungsbedingungen, die im Schritt 45 erzeugt worden sind, geprüft, ob die Beschränkungsbedingungen erfüllt sind oder nicht (Schritt 46). Im Einzelnen wird die Richtung, in welcher eine Banknote eingeführt ist, für jedes Individuum unter Verwendung aller Daten zur Prüfung der Beschränkungsbedingungen beurteilt. Die Rate der korrekten Antworten der Beurteilung der Einführungsrichtung (%) wird für jedes Individuum berechnet. Individuen, deren Raten der korrekten Antworten auf die Beurteilung der Einführungsrichtung nicht 100% sind, werden aussortiert.
  • Wenn selbst nur ein Individuum existiert, deren Rate der korrigierten Antworten auf die Beurteilung der Einführungsrichtung nicht 100% ist (NEIN im Schritt 47), kehrt das Programm zum Schritt 43 zurück, wodurch Individuen, deren Nummer der Nummer von aussortierten Individuen entspricht, durch Kreuzen mit den verbleibenden Individuen erzeugt werden. Die Verarbeitung in den Schritten 44 bis 47 wird durchgeführt.
  • Wenn die Rate der korrekten Antworten auf die Beurteilung der Einführungsrichtung 100% mit Bezug auf alle Individuen durch Wiederholen der Verarbeitung in den Schritten 43 bis 47 erzielt wird (JA im Schritt 47), wird beurteilt, ob die Änderung der Genera tionen eine vorbestimmte Anzahl von Malen, beispielsweise 1000 mal durchgeführt worden ist oder nicht (Schritt 48). Wenn die Änderung der Generationen nicht eine vorbestimmte Anzahl von Malen durchgeführt worden ist, kehrt das Programm zum Schritt 42 zurück, wonach die Verarbeitung im Schritt 42 und der darauf folgenden Schritte noch mal durchgeführt wird.
  • Wenn im Schritt 48 beurteilt worden ist, dass die Änderung der Generationen eine vorbestimmte Anzahl von Malen durchgeführt worden ist, wird die Verarbeitung beendet. Ein Individuum wird aus den verbleibenden Individuen ausgewählt und Positionen, wo charakteristische Größen abgetastet werden, die einem Wert „1" in dem Gen des gewählten Individuums entsprechen, werden als die zu bearbeitenden Punkte bestimmt.
  • Es folgt die Beschreibung der Ergebnisse der Experimente. Es wurden 200 Arten von Ausgangspopulationen zu der 1000-sten Generation unter Verwendung von 160 (40 für jede der vier Richtungen) Banknotendaten für die Analyse vorgerückt. Die Rate der korrigierten Antworten auf die Beurteilung der Einführungsrichtung wird unter Verwendung von 4000 (100 für jede der vier Richtungen) Banknotendaten zur Evaluierung berechnet, die sich von den Banknotendaten zur Analyse für jede 100 Generationen unterscheidet.
  • 11 zeigt den Mittelwert der Anzahl der zu bearbeitenden Punkte, die durch GA optimiert sind und den Mittelwert der Raten der korrigierten Antworten auf die Beurteilung der Einführungsrichtung.
  • In der 11 gibt eine polygonale Linie e die Ergebnisse der Experimente für den Fall an, dass Zufallszahlen, deren obere Grenze 4 ist, den zuvor für die Analyse vorbereiteten Banknotendaten addiert werden, um Daten zur Prüfung der Beschränkungsbedingungen zu erzeugen. In der 11 gibt die polygonale Linie f die Ergebnisse der Experimente für den Fall an, wo keine Zufallszahlen den zuvor hergestellten Banknotendaten zur Analyse addiert worden waren, so dass die Banknotendaten für die Analyse so wie sie sind als Daten zur Prüfung der Beschränkungsbedingungen verwendet werden.
  • In dem GA, in welchem keine Zufallszahlen den zuvor hergestellten Banknotendaten zur Analyse addiert worden sind, ist die Rate der korrekten Antworten auf die Beurteilung der Einführungsrichtung reduziert, wenn die Änderung der Generationen fortschreitet. Dies wird als ein Ergebnis der Rückholung einer Antwort betrachtet, die abhängig von Banknotendaten zur Analyse eine geringe Anpassungsfähigkeit hat. Andererseits ist bei dem Verfahren in der vorstehenden Ausführungsform, selbst wenn die Änderung der Generationen fortschreitet, die Rate der korrekten Antworten auf die Beurteilung der Einführungsrichtung hoch. Dies wird als ein Ergebnis der Rückholung einer Antwort betrachtet, die eine hohe Anpassungsfähigkeit hat. Um eine Antwort mit hoher Anpassungsfähigkeit zu erzielen, wird bedacht, dass die Anzahl der Banknotendaten zur Analyse erhöht wird. Wenn die Anzahl der Banknotendaten zur Analyse erhöht wird, braucht es jedoch lange, um eine Antwort zu gewinnen.
  • Die Tabelle 1 zeigt die Ergebnisse des Vergleichs zwischen der Betriebszeit für den Fall, wo die Verarbeitung zur Beurteilung der Einführungsrichtung unter Verwendung von fünf zu bearbeitenden Punkten durchgeführt wird, die bei der vorstehenden Ausführungsform erzielt worden sind und der Betriebszeit für einen Fall, wo die Verarbeitung zur Beurteilung der Einführungsrichtung unter Verwendung von kontinuierlichen 100 zu bearbeitenden Punkten durchgeführt wird. Wie aus der Tabelle zu ersehen ist, ist bei der Verarbeitung zur Beurteilung der Einführungsrichtung unter Verwendung des in der vorstehenden Ausführungsform gezeigten Verfahrens die Betriebszeit signifikant reduziert, verglichen mit dem Fall, wo die Anzahl der zu summierenden Objekte nicht gesenkt ist.
  • Tabelle 1
    Figure 00200001
  • Obwohl bei der vorstehenden Ausführungsform den Banknotendaten zur Analyse, die zuvor erzeugt worden sind, Zufallszahlen addiert worden sind, um die Rate der korrekten Antworten der Beurteilung der Einführungsrichtung zu verbessern, um Daten zur Prüfung der Beschränkungsbedingungen zu erzeugen, können keine Zufallszahlen den zuvor hergestellten Banknotendaten für die Analyse addiert werden, so dass die Banknotendaten zur Analyse so wie sie sind als Daten zur Prüfung der Beschränkungsbedingungen verwendet werden.
  • Obwohl bei der vorstehenden Ausführungsform die Richtung, in welcher ein Wert entsprechend einer Varianz der Differenzen zwischen detektierten Werten an Positionen, wo charakteristische Größen abgetastet werden, die als die zu summierenden Objekte bestimmt worden sind, und einem zuvor hergestellten Referenzsignal für jede der vier Einführungsrichtungen am kleinsten ist, als die Einführungsrichtung beurteilt wird, kann die Richtung, in welcher eine Statistik, wie beispielsweise die Summe der Quadrate der Differenzen zwischen detektierten Werten an Positionen, wo charakteristische Größen abgetastet werden, die als zu summierende Objekte bestimmt sind und einem zuvor hergestellten Referenzsignal für jede der vier Einführungsrichtungen und die Summe der abso luten Werte der Differenzen am kleinsten ist, als die Einführungsrichtung beurteilt werden.
  • [5] Beschreibung der Verarbeitung zu Korrektur der Förderverschiebung
  • (Stand der Technik)
  • 12 zeigt den detaillierten Vorgang zur Verarbeitung zur Korrektur der Förderverschiebung im Schritt 7 gemäß 3.
  • Die Verarbeitung zur Korrektur der Förderverschiebung wird für jede der vier Arten von Eingangssignalformen entsprechend einem Fall durchgeführt, bei dem eine Banknote in der Referenzeinführungsrichtung eingeführt ist.
  • Die Breite der Verschiebung K wird zuerst gesetzt (Schritt 51). Die Breite der Verschiebung K ist auf einen Wert zwischen einer Minimalbreite der Verschiebung und einer Maximalbreite der Verschiebung gesetzt, die in der Förderrichtung auftreten kann. Die Minimalbreite der Verschiebung wird zuerst gesetzt.
  • Es wird eine Signalform, die durch Verschiebung einer Eingangssignalform in der Förderrichtung um die gesetzte Breite der Verschiebung K (eine Signalform zur Berechnung einer Verschiebungsbreite) erhalten wird, erzeugt (Schritt 52). Das heißt, es wird eine Signalform c, die durch Verschieben einer Eingangssignalform a in der Förderrichtung um die Breite der Verschiebung K erhalten worden ist, erzeugt, wie dies in der 13 gezeigt ist.
  • Daten an einer Anzahl von Positionen (Positionen, wo eine Bearbeitung durchgeführt wird), die zuvor, wie später beschrieben, gewählt worden sind, werden dann auf der Basis der erhaltenen Signalform c extrahiert (Schritt 53). Wie in der 14 gezeigt, wird die Summe der absoluten Werte der Differenzen zwischen den Werten der extrahierten Daten an den jeweiligen Positionen und den Werten der Daten an entsprechenden Positi onen einer Referenzsignalform b, die zuvor hergestellt worden ist (im Nachfolgenden als die Summe der absoluten Werte bezeichnet), berechnet (Schritt 54).
  • Wenn die Summe der berechneten absoluten Werte diesmal kleiner als der Mindestwert der Summen der absoluten Werte, die insoweit berechnet worden sind, ist, wird die Summe der absoluten Werte als der Mindestwert der Summe der absoluten Werte gespeichert und der Wert der Breite der Verschiebung K wird gespeichert (Schritt 55). Wenn die Summe der absoluten Werte bis zum Start der Verarbeitung zur Korrektur der Förderverschiebung berechnet worden ist, wird ihr berechneter Wert als der Mindestwert der Summe der absoluten Werte gespeichert.
  • Dann wird beurteilt, ob die gesetzte Breite der Verschiebung K der Maximalwert Kmax ist oder nicht (Schritt 56). Wenn die gesetzte Breite der Verschiebung K nicht der Maximalwert Kmax ist, wird die Breite der Verschiebung K auf einen Wert aktualisiert, der um einen Schwellwert ΔK größer ist (Schritt 57), wonach das Programm zum Schritt 52 zurückkehrt. Die Verarbeitung in den Schritten 52 bis 57 wird somit wiederholt. Wenn die Verarbeitung in den Schritten 52 bis 55 mit Bezug auf die Maximalbreite der Verschiebung K durchgeführt ist, ist die Antwort in dem Schritt 56 affirmativ, wonach das Programm zum Schritt 58 weitergeht. Im Schritt 58 wird die Eingangssignalform um die Breite der Verschiebung K, die endgültig im Schritt 55 gespeichert worden ist, verschoben. Die Verschiebung der Eingangssignalform, ausgehend von der Referenzsignalform in Förderrichtung der Banknote, ist korrigiert.
  • Obwohl die Summe der absoluten Werte der Differenzen zwischen den Werten der extrahierten Daten an den jeweiligen Positionen und den Werten der Daten an entsprechenden Positionen der Referenzsignalform b, die zuvor hergestellt worden ist, im Schritt 54 berechnet wird, kann die Summe der Quadrate der Differenzen zwischen den Werten der extrahierten Daten an den jeweiligen Positionen und den Werten der Daten an entsprechenden Positionen der Referenzsignalform b, die zuvor hergestellt worden ist (im Nachfolgenden als die Summe der Quadrate der Differenzen bezeichnet), berechnet werden.
  • In diesem Fall wird in dem vorstehenden Schritt 55, wenn die Summe der Quadrate der Differenzen kleiner als der Mindestwert der Summe der Quadrate der Differenzen, die bis dahin berechnet worden sind, ist, die Summe der Quadrate der Differenzen als der Mindestwert der Summe der Quadrate der Differenzen gespeichert und der Wert der Breite der Verschiebung K gespeichert.
  • 15 zeigt ein Verfahren zur Findung von Positionen, wo Daten zu extrahieren sind (Positionen, wo eine Bearbeitung durchzuführen ist) im Schritt 53.
  • Zuerst wird eine Breite der Verschiebung K gesetzt (Schritt 61). Die Breite der Verschiebung K ist auf einen Wert zwischen einer Mindestbreite der Verschiebung und der Maximalbreite der Verschiebung, die in der Förderrichtung auftreten kann, gesetzt. Die Mindestbreite der Verschiebung wird zuerst gesetzt.
  • Eine Signalform, die durch Verschieben der Referenzsignalform erhalten wird, wird auf der Basis einer echten Banknote, die nicht schmutzig ist, und die nicht gerissen ist, in Förderrichtung durch die gesetzte Breite der Verschiebung K (eine Signalform zum Berechnen einer Position, wo eine Bearbeitung durchzuführen ist) erzeugt (Schritt 62). Der absolute Wert der Differenz für jede Position zwischen der erhaltenen Signalform und der Referenzsignalform wird berechnet und gespeichert (Schritt 63).
  • Dann wird beurteilt, ob die gesetzte Breite der Verschiebung K der Maximalwert Kmax ist oder nicht (Schritt 64). Wenn die gesetzte Breite der Verschiebung K nicht der Maximalwert ist, wird die Breite der Verschiebung K auf einen Wert aktualisiert, der um einen Schwellwert ΔK größer ist (Schritt 65), wonach das Programm zum Schritt 62 zurückkehrt. Die Verarbeitung der Schritte 62 bis 65 wird somit wiederholt. Wenn die Bearbeitung in den Schritten 62 bis 63 mit Bezug auf die Maximalbreite der Verschiebung K durchgeführt worden ist, ist die Antwort in dem Schritt 64 affirmativ, wonach das Programm zum Schritt 66 weitergeht.
  • Im Schritt 66 ist der Minimalwert für die Differenzen (die absoluten Werte), der insoweit gefunden worden ist, für jede Position gefunden und wird als der Minimalwert für die Position gespeichert. Eine vorbestimmte Anzahl von Positionen wird in absteigender Reihenfolge der Minimalwerte aus den entsprechenden Positionen gewählt (Schritt 67). Die gewählten Positionen werden als Positionen verwendet, wo Daten im Schritt 53 gemäß 12 zu extrahieren sind.
  • [6] Beschreibung der ersten präzisen Beurteilungsverarbeitung
  • (Stand der Technik)
  • Die erste präzise Beurteilungsverarbeitung wird auf der Basis einer Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 und einer Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L2 aus vier Typen von Eingangssignalformen nach der Durchführung der Verarbeitung zur Korrektur der Förderverschiebung durchgeführt.
  • Da die Beurteilungsverarbeitung unter Verwendung der Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 und die Beurteilungsverarbeitung unter Verwendung der Eingangssignalsform basierend auf Infrarotlicht entsprechend der Linie L2 die gleiche Verarbeitung sind, erfolgt nur die Beschreibung der ersten präzisen Beurteilungsverarbeitung, die auf der Basis der Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 durchgeführt wird.
  • Es folgt nun die Beschreibung der Idee der ersten präzisen Beurteilungsverarbeitung. Die Verschmutzung der Banknote ist in den entsprechenden Teilen der Banknote nicht gleichförmig. Daher wird zuvor ein Vorhersagemodell von Variationskomponenten, die durch Schmutz, Knicke und dergleichen der jeweiligen Teile auf der Linie L1 in einem Fall angenommen, dass eine echte Banknote in der Referenzrichtung eingeführt wird (im Nachfolgenden lediglich als ein Vorhersagemodell der Schmutzkomponenten bezeichnet) erzeugt.
  • Zufallskomponenten auf der Linie L1 einer zu prüfenden Banknote werden auf der Basis der Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 nach Durchführung der Verarbeitung zur Korrektur der Förderverschiebung extrahiert.
  • Verschmutzungskomponenten auf der Linie L1 der zu prüfenden Banknote werden auf der Basis der Zufallskomponenten auf der Linie L1, die aus der zu prüfenden Banknote gefunden worden sind, und dem Vorhersagemodell der Verschmutzungskomponenten auf der Linie L1 prognostiziert. Die Verteilung der Zufallskomponenten auf der Linie L1, die von der zu prüfenden Banknote gefunden worden sind und die prognostizierte Verteilung der Schmutzkomponenten auf der Linie L1 der zu prüfenden Banknote werden miteinander verglichen, um einen Wert zu finden, der sich auf einen Prognosefehler bezieht. Wenn der Wert bezüglich des gefundenen Prognosefehlers einen vorbestimmten Bereich überschreitet, wird beurteilt, dass die Banknote eine falsche Banknote ist.
  • 16 zeigt den Vorgang zur Verarbeitung für die Erzeugung eines Vorhersagemodells der Verschmutzungskomponenten. Es wird ein Fall, bei dem das Vorhersagemodell der Verschmutzungskomponenten entsprechend der Linie L1 in einem Fall, wo angenommen wird, dass eine Banknote in der Referenzrichtung eingeführt wird, erzeugt wird, beschrieben.
  • Eine Eingangssignalform, welche die Beziehung einer Größe der Durchlässigkeit von Infrarotlicht an jeder der Positionen der Linie L1 repräsentiert, wird zuerst mit Bezug auf jede der Anzahl von echten Banknoten, die tatsächlich verwendet werden, erzeugt (im Nachfolgenden als Abtastbanknoten bezeichnet), wie dies in der 17 gezeigt ist (Schritt 71).
  • Auf der Basis der Eingangssignalform entsprechend jeder der Probenbanknoten wird eine Referenzsignalform wie in der 18 gezeigt erzeugt (Schritt 72). Die Daten an jeder der Positionen der Referenzsignalform werden durch Rechnen des Mittelwertes der entsprechenden Positionen der Eingangssignalform entsprechend beispielsweise jeder der Probenbanknoten gefunden.
  • Die Differenz zur Referenzsignalform wird dann für die Eingangssignalform entsprechend jeder der Probenbanknoten berechnet, so dass die Verteilung der Variationskomponenten, wie beispielsweise Verschmutzung und Zerknitterung, für jede Probenbanknote wie in 19 gezeigt erzeugt wird (Schritt 73).
  • Wie in der 20 gezeigt, werden Lerndaten durch Anordnen der Verteilung der Variationskomponenten für die entsprechenden Probenbanknoten in einer Zeitreihe erzeugt (Schritt 74). Dann wird auf der Basis der Lerndaten ein Vorhersagemodell der Verschmutzungskomponenten entsprechend der Linie L1 erzeugt (Schritt 75).
  • Das heißt, zuerst wird ein autoregressives Modell (Vorhersagemodell der Verschmutzungskomponenten) wie durch die folgende Gleichung (4) ausgedrückt, erzeugt, indem die Lerndaten als ein periodisches Zeitreihensignal verwendet werden: X(n) = a1·X(n – 1) + a2·X(n – 2) + ... + ap·X(n – p) (4)
  • In der vorstehenden Gleichung (4) repräsentiert X(n) Verschmutzung zur gegenwärtigen Zeit und X(n – 1) bis X(n – p) repräsentiert Schmutz zu vergangenen Zeiten. Ferner repräsentieren a1 bis ap Prognosefaktoren. Die Prognosefaktoren a1 bis ap werden beispielsweise durch eine Methode der kleinsten Quadrate bestimmt, so dass die Prognosepräzision am höchsten ist.
  • Ein Vorhersagemodell der Verschmutzungskomponenten entsprechend der Linie L2 der Banknote wird auf die gleiche Art und Weise erzeugt.
  • 21 zeigt den Vorgang für die erste präzise Beurteilungsverarbeitung.
  • Es wird die erste präzise Beurteilungsverarbeitung, die auf der Basis der Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 durchgeführt wird, nachdem die Verarbeitung zur Korrektur der Förderverschiebung durchgeführt worden ist, beschrieben.
  • Die Differenz zwischen einer Eingangssignalform basierend auf Infrarotlicht entsprechend der Linie L1 nach Durchführung der Verarbeitung zur Korrektur der Förderverschiebung wie in 22 gezeigt, und der Referenzsignalform wie in 18 gezeigt, wird zuerst berechnet, wodurch die Verteilung der Zufallskomponenten wie in 23 gezeigt, erzeugt ist (Schritt 81).
  • Die Verschmutzungskomponenten auf der Linie L1 der zu prüfenden Banknote werden auf der Basis der Zufallskomponenten auf der Linie L1, die von der zu prüfenden Banknote und dem Vorhersagemodell der Verschmutzungskomponenten an der Linie L1 gefunden worden sind, prognostiziert (Schritt 82). Das heißt, die Verschmutzungskomponente X(n) zu einem gewissen Zeitpunkt (an einer gewissen Position) auf der Linie L1 der zu prüfenden Banknote wird durch Substituieren von X(n – 1), X(n – 2), ... X(n – p) in Daten, welche die Zufallskomponenten repräsentieren, in der vorstehenden Gleichung (4) erhalten.
  • Daraus folgend wird die prognostizierte Verteilung der Verschmutzungskomponenten auf der Linie L1 der zu prüfenden Banknote erzielt, wie dies in der 24 gezeigt ist.
  • Die Verteilung der Zufallskomponenten auf der Linie L1, die auf der zu prüfenden Banknote gefunden worden sind und der prognostizierten Verteilung der Verschmutzungskomponenten auf der Linie L1 der zu prüfenden Banknote werden miteinander verglichen, um die Summe der Quadrate der prognostizierten Fehler zu finden (ein Wert, der sich auf die Prognosefehler bezieht) (Schritt 83). Das heißt, die Summe der Quadrate der Differenzen in den entsprechenden Teilen zwischen der Verteilung der Zufallskomponenten auf der Linie L1 und der prognostizierten Verteilung der Verschmutzungskomponenten der zu überprüfenden Banknote wird gefunden. Die Wahrheit wird durch Vergleichen des gefundenen Wertes bezogen auf die Prognosefehler und einem vorbestimmten Bereich miteinander beurteilt (Schritt 84). Wenn der gefundene Wert bezogen auf die Prognosefehler den vorbestimmten Bereich überschreitet, wird beurteilt, dass die Banknote eine falsche Banknote ist.
  • Das vorstehende autoregressive Modell kann mit einem Vorhersagemodell unter Verwendung eines neuronalen Netzwerkes, wie in der 25 gezeigt, ersetzt werden. Das neuronale Netzwerk besteht aus einer Eingangsschicht 201, einer Zwischenschicht 202 und einer Ausgangsschicht 203, wie es allgemein bekannt ist.
  • Das Lernen des neuronalen Netzwerkes wird auf der Basis der Lerndaten, die aus dem vorstehenden Schritt 74 erhalten worden sind, durchgeführt. Im Einzelnen wird das Lernen des neuronalen Netzwerkes unter Verwendung der Daten X(n – 1), X(n – 2), ... X(n – p), die die vergangenen Zeitpunkte eines Eingangsmusters repräsentieren und unter Verwendung der Daten X(n), die die gegenwärtigen Zeitpunkte als Lehrdaten repräsentieren, durchgeführt.
  • Die Daten X(n – 1), X(n – 2), ... X(n – p) repräsentieren die vergangenen Zeitpunkte entsprechend gewissen gegenwärtigen Zeitpunkten n in der Verteilung der Zufallskomponenten, die in dem vorstehenden Schritt 81 erzeugt worden sind, welche in dem neuronalen Netzwerk nach dem Lernen eingegeben worden sind, wodurch die Daten X(n), welche den gegenwärtigen Zeitpunkt n repräsentieren, am neuronalen Netzwerk ausgegeben werden.
  • Als Vorhersagemodell der Verschmutzungskomponenten einer Banknote kann ein Mehrfach-Regressionsmodell verwendet werden.
  • Wenn das Mehrfach-Regressionsmodell als Vorhersagemodell der Verschmutzungskomponeniten der Banknote verwendet wird, wird die Verschmutzung Z an einer bestimmten Position an der Banknote beispielsweise durch die folgende Gleichung (5) repräsentiert: Z = a1·Y1 + a2·Y2 + a3·Y3 + a4·Y4 (5)
  • In dieser Gleichung (5) ist Y1 die Größe der Änderung, welche die Position der Daten repräsentiert, die ein Objekt sind, Y2 ist die Größe der Änderung, welche die Änderung in den. Daten, welche die Größe der Transmission repräsentieren, repräsentiert, Y3 ist die Größe der Änderung, welche die Konzentration der Tinte repräsentiert und Y4 ist die Größe der Änderung, die den Grad des Qualitätsverlustes des Papiers repräsentiert. Ferner sind a1, a2, a3 und a4 Gewichtungsfaktoren und wurden zuvor auf der Basis der Größen der Änderung von Y1, Y2, Y3 und Y4, die aus einer Anzahl von echten Banknoten erhalten worden sind (Probebanknoten) gefunden.
  • Die Größen der Änderung Y1, Y2, Y3 und Y4, die von der zu prüfenden Banknote erhalten werden, werden in die Gleichung (5) eingesetzt, wodurch die Verschmutzung X entsprechend jeder Position auf der zu prüfenden Banknote berechnet wird.
  • In diesem Fall wird die Größe der Änderung Y1, die die Position der Daten repräsentiert, von einem Decoder erhalten, der mit einem Fördermotor verbunden ist, und zwar für einen Fall, bei dem beispielsweise die Banknote angenommen worden ist.
  • Ein Beispiel der Größe der Änderung Y2, die die Variation der Daten repräsentiert, ist eine Varianz-Disp der Differenzen zwischen einer Eingangssignalform, die eine Größe der Durchlässigkeit repräsentiert, welche von der zu prüfenden Banknote erzielt worden ist und einer Referenzsignalform, die die Größe der Durchlässigkeit repräsentiert, welche von der Anzahl von Probenbanknoten erhalten worden ist (beispielsweise die Referenz signalform, die in der 18 gezeigt ist). Die Varianz-Disp wird durch die folgende Gleichung (6) gefunden, wobei di (i = 1, 2, 3 ... n) die Differenzen zwischen der Eingangssignalform und der Referenzsignalform an entsprechenden Positionen der zu prüfenden Banknote sind und *d der Mittelwert der Differenzen di ist:
  • Figure 00300001
  • Weiterhin ist ein Beispiel der Größe der Änderung Y3, die die Konzentration der Tinte repräsentiert, eine Varianz-Tinte der Differenzen zwischen einer detektierten Signalform, welche die Konzentration der Tinte repräsentiert, die von der zu prüfenden Banknote erhalten worden ist und einer Referenzsignalform, welche die Konzentration der Tinte repräsentiert, die von der Anzahl von Probenbanknoten gefunden worden ist. Das heißt, wenn die Varianz-Tinte groß ist, ist die Differenz zwischen weiß und schwarz groß, so dass entschieden wird, dass die Tinte dick ist. Wenn die Varianz-Tinte klein ist, ist die Differenz zwischen weiß und schwarz klein, so dass entschieden wird, dass die Tinte dünn ist. Die Varianz-Tinte wird durch die folgende Gleichung (7) gefunden, wobei ei (i = 1, 2, 3 ... n) die Differenzen zwischen dem detektierten Wert der Konzentration der Tinte und einem Referenzwert der Konzentration der Tinte an entsprechenden Positionen ist und *e der Mittelwert der Differenzen ei ist.
  • Figure 00300002
  • Weiterhin ist ein Beispiel der Größe der Änderung Y4, das den Grad des Qualitätsverlustes von Papier repräsentiert, der Mittelwert *f der Differenzen zwischen einem detektierten Wert einer Durchlässigkeitsrate in einem weißen Teil der zu prüfenden Banknote und einem Referenzwert der Durchlässigkeitsrate in weißen Teilen der Anzahl von Proben banknoten. Der Mittelwert *f wird durch die folgende Gleichung (8) gefunden, wobei Qi die Durchlässigkeitsraten an entsprechenden Positionen in dem weißen Teil der zu überprüfenden Banknote sind und Si (i = 1, 2, 3 ... n) die Referenzwerte der Durchlässigkeitsraten an den entsprechenden Positionen in den weißen Teilen der Probenbanknoten sind:
  • Figure 00310001
  • Weiterhin kann das Mehrfach-Regressionsmodell durch ein Vorhersagemodell unter Verwendung eines neuronalen Netzwerkes ersetzt werden. Im Einzelnen wird das Lernen des neuronalen Netzwerkes durchgeführt, indem als die Größen der Veränderung Y1, Y2, Y3 und Y4 entsprechend der jeweiligen Positionen, die von einer Anzahl von Probenbanknoten erhalten worden sind, als Eingangsmuster verwendet werden und die Verschmutzung an den Positionen, die von einer Anzahl von Probenbanknoten erhalten worden sind, als Lehrdaten verwendet werden.
  • Die Größen der Änderung Y1, Y2, Y3 und Y4 an den jeweiligen Positionen, die von der zu prüfenden Banknote erhalten werden, werden dem neuronalen Netzwerk nach dem Lernen eingegeben, wodurch die Verschmutzung Z an jeder der Positionen von dem neuronalen Netzwerk ausgegeben wird.
  • [7] Beschreibung der zweiten präzisen Beurteilungsverarbeitung
  • (Stand der Technik)
  • Die zweite präzise Beurteilungsverarbeitung wird auf der Basis einer Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 und einer Eingangssignalform, basierend auf rotem Licht entsprechend der Linie L2 aus den vier Typen von Eingangssignalformen nach Durchführung der Verarbeitung zur Korrektur der Förderverschie bung durchgeführt. Sowohl in der Beurteilungsverarbeitung, die die Eingangssignalform basierend auf dem roten Licht entsprechend der Linie L1 verwendet als auch in der Beurteilungsverarbeitung, die die Eingangssignalform basierend auf rotem Licht entsprechend der Linie L2 verwendet, wird nur dann, wenn beurteilt worden ist, dass die zu prüfende Banknote eine wahre Banknote ist, beurteilt, dass die zu prüfende Banknote eine wahre Banknote ist. Das heißt, die Antwort ist im in der 3 gezeigten Schritt 11 negativ.
  • Da die Beurteilungsverarbeitung, welche die Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 verwendet und die Beurteilungsverarbeitung, die die Eingangssignalform basierend auf rotem Licht entsprechend der Linie L2 verwendet, die gleiche Verarbeitung sind, wird nur die Beurteilungsverarbeitung beschrieben, die die Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 verwendet.
  • 26 zeigt den detaillierten Vorgang für die zweite präzise Beurteilungsverarbeitung im Schritt 10 gemäß 3.
  • Es werden Eingangssignalformen entsprechend der Linie L1 unter Verwendung des roten Lichtes mit Bezug auf eine Anzahl von wahren Banknoten (Probebanknoten) hergestellt, und aus den Eingangssignalformen wird eine Referenzsignalform vorab hergestellt. Eine Maske, die eine Position repräsentiert, wo eine charakteristische Größe abgetastet ist, die eine Position ist, wo eine Verarbeitung durchzuführen ist, wird zuvor an der Linie L1 durch ein später beschriebenes Verfahren vorbereitet. Bei diesem Beispiel wie in den 27 und 28 gezeigt, sollen zwei Arten von Masken 101 und 102 vorbereitet sein. In den 27 und 28 entsprechen die Quadrate jeder der Masken 101 und 102 jeweiligen Positionen, wo charakteristische Größen auf der Linie L1 abgetastet werden. Das Quadrat, in welches „1" eingeschrieben ist, bezeichnet, dass dessen Position ein zu bearbeitender Punkt ist und das Quadrat, in welches „0" eingeschrieben ist, bezeichnet, dass dessen Position kein zu bearbeitender Punkt ist.
  • Zuerst wird die Anpassungsverarbeitung unter Verwendung der ersten Maske 101 durchgeführt (Schritt 91). Im Einzelnen wird die Differenz zwischen der Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 und der Referenzsignalform entsprechend der Linie L1 für jede der Positionen herausgefunden, wo charakteristische Größen abgetastet werden, welches Positionen sind, wo eine Bearbeitung durchzuführen ist, die durch die erste Maske 101 repräsentiert sind und die Summe der Quadrate der Differenzen zwischen diesen an den jeweiligen Positionen (im Nachfolgenden als die Summe der Quadrate der Differenzen bezeichnet) wird berechnet.
  • Es wird beurteilt, ob die erhaltene Summe der Quadrate der Differenzen nicht größer als ein Schwellwert ist oder nicht (Schritt 92). Wenn die erzielte Summe der Quadrate der Differenzen größer als der Schwellwert ist (JA im Schritt 92), wird beurteilt, dass die zu prüfende Banknote eine falsche Banknote ist (Schritt 95). In diesem Fall ist daraus folgend die Antwort im Schritt 11 in der 3 affirmativ.
  • Wenn die erzielte Summe der Quadrate der Differenzen nicht größer als der Schwellwert ist (NEIN im Schritt 92), wird die Anpassungsverarbeitung unter Verwendung der zweiten Maske 102 durchgeführt (Schritt 93). Im Einzelnen wird die Differenz zwischen der Eingangssignalform basierend auf rotem Licht entsprechend der Linie L1 und der Referenzsignalform entsprechend der Linie L1 für jede der Positionen, wo charakteristische Größen abzutasten sind, welche Positionen sind, wo eine Verarbeitung durchzuführen ist, die durch die zweite Maske 102 repräsentiert sind, gefunden und die Summe der Quadrate der Differenzen zwischen diesen an den entsprechenden Positionen (im Nachfolgenden als die Summe der Quadrate der Differenzen bezeichnet) wird berechnet.
  • Es wird beurteilt, ob die erhaltene Summe der Quadrate der Differenzen nicht größer als ein Schwellwert ist oder nicht (Schritt 94). Wenn die erhaltene Summe der Quadrate der Differenzen größer als der Schwellwert ist (JA im Schritt 94), wird beurteilt, dass die zu prüfende Banknote eine falsche Banknote ist (Schritt 95). In diesem Fall ist konsequenterweise die Antwort im Schritt 11, wie in 3 gezeigt, affirmativ.
  • Wenn die erhaltene Summe der Quadrate der Differenz nicht größer als der Schwellwert ist (NEIN im Schritt 94), wird beurteilt, dass die zu prüfende Banknote eine wahre Banknote ist (Schritt 96).
  • Es wird ein Verfahren zur Herstellung einer Maske beschrieben. Die Maske wird durch eine Optimierungsverarbeitung unter Verwendung eines genetischen Algorithmus (im Nachfolgenden als GA bezeichnet) hergestellt.
  • Ein Individuum ist, wie in 8 gezeigt, repräsentiert, wie dies in der Verarbeitung zur Beurteilung der Einführungsrichtung der Banknote beschrieben ist. Das Individuum hat Gene entsprechend der jeweiligen Positionen, wo charakteristische Größen abgetastet werden und jedes der Gene nimmt einen Wert „0" oder „1" ein. „0" bezeichnet, dass ein detektierter Wert der Position zum Abtasten entsprechend des Gens nicht als ein zu bearbeitender Punkt genommen wird und „1" bezeichnet, dass der detektierte Wert der Position zum Abtasten entsprechend des Gens als ein zu bearbeitender Punkt genommen wird.
  • Bei diesem Beispiel sind Eingangssignalformen entsprechend einer Anzahl von wahren Banknoten als wahre Banknotendaten für die Analyse vorbereitet und Eingangssignalformen entsprechend einer Anzahl von falschen Banknoten sind als falsche Banknotendaten für die Analyse vorbereitet.
  • 29 zeigt die Summe der Quadrate der Differenzen zwischen Banknotendaten für die Analyse entsprechend eines gewissen Individuums und einer Referenzsignalform (die Summe der Quadrate der Differenzen) und eine Verteilungskurve S der Summe der Quadrate der Differenzen zwischen wahren Banknotendaten zur Analyse entsprechend dem Individuum und der Referenzsignalform.
  • Die Summe der Quadrate der Differenzen zwischen den Banknotendaten zur Analyse entsprechend einem gewissen Individuum und einer Referenzsignalform wird durch Durchführen der folgenden Operation mit Bezug auf die jeweiligen Banknotendaten zur Analyse durchgeführt. Im Einzelnen werden die Differenzen zwischen den Banknotendaten für die Analyse und der Referenzsignalform für jeweilige zu bearbeitende Punkte, die durch das Individuum repräsentiert sind, gefunden und die Summe der Quadrate der Differenzen wird gefunden.
  • In der 29 repräsentiert eine quadratische Markierung die Summe der Quadrate der Differenzen entsprechend jedem der wahren Banknotendaten für die Analyse und eine Dreiecksmarkierung repräsentiert die Summe der Quadrate der Differenzen entsprechend jedem der falschen Banknotendaten für die Analyse.
  • Das Individuum wird auf der Basis eines Abstandsmaßstabes R evaluiert, der durch die folgende Gleichung (9) ausgedrückt ist:
  • Figure 00350001
  • In der Gleichung (9) repräsentiert R einen Abstandsmaßstab. Fmin repräsentiert den Minimalwert der Summen der Quadrate der Differenzen entsprechend der falschen Banknotendaten für die Analyse. μ repräsentiert den Mittelwert der Verteilungen der Summen der Quadrate der Differenzen entsprechend der wahren Banknotendaten für die Analyse. Ferner repräsentiert σ die Standardabweichung der Verteilungen der Summen der Quadrate der Differenzen entsprechend der wahren Banknotendaten für die Analyse.
  • 30 zeigt den Vorgang für die Optimierungsverarbeitung unter Verwendung des GA.
  • Zuerst wird eine Ausgangspopulation erzeugt (Schritt 101). Das heißt, eine zuvor gesetzte Anzahl von Individuen wird durch Zufallszahlen erzeugt. Die Anzahl der zu bearbeitenden Punkte jedes der erzeugten Individuen sollte nicht höher als 10 sein. Die Abstandsmaßstäbe R werden unter Verwendung aller Banknotendaten für die Analyse mit Bezug auf die durch die Zufallszahlen erzeugten Individuen berechnet. In absteigender Reihenfolge der Abstandsmaßstäbe R werden 20 Individuen erzeugt.
  • Dann wird diese Lektionsverarbeitung durchgeführt (Schritt 102). Im Einzelnen werden die Abstandsmaßstäbe R entsprechend der jeweiligen Individuen berechnet, wodurch die Individuen in der oberen Hälfte, die große Abstandsmaßstäbe R haben, gewählt sind, und die anderen Individuen aussortiert werden. Daraus folgend sind 10 Individuen gewählt.
  • Zwei willkürliche Individuen werden dann aus den im Schritt 102 gewählten Individuen ausgewählt und die gewählten Individuen werden miteinander gekreuzt (Schritt 103). Die Individuen werden miteinander zehn Mal gekreuzt, so dass 20 neue Populationen erzeugt werden. Als Kreuzung wird beispielsweise eine gleichförmige Kreuzung verwendet.
  • Danach wird ein Individuum gewählt, so dass eine Mutation entwickelt wird (Schritt 104). Das heißt, der Wert eines willkürlichen Gens des gewählten Individuums wird invertiert.
  • Es wird dann geprüft, ob die 20 Individuen, die durch die Verarbeitung in der vorstehenden Schritten 103 und 104 erzielt worden sind, Beschränkungsbedingungen erfüllen oder nicht. Das heißt, es wird für jedes Individuum geprüft, ob die Anzahl der zu bearbeitenden Punkte nicht höher als zehn ist oder nicht. Individuen, die zu bearbeitende Punkte haben, deren Anzahl zehn übersteigt, werden aussortiert.
  • Wenn nur ein Individuum existiert, das die Beschränkungsbedingungen nicht erfüllt (NEIN im Schritt 106), kehrt das Programm zum Schritt 103 zurück. Im Schritt 103 werden Individuen, deren Anzahl der Anzahl der Individuen entspricht, die aussortiert wor den sind, durch Kreuzen aus den verbliebenen Individuen hergestellt. Die Verarbeitung der Schritte 104 bis 106 wird durchgeführt.
  • Wenn alle Individuen die Beschränkungsbedingungen erfüllen, indem die Verarbeitung der Schritte 104 bis 106 wiederholt wird (JA im Schritt 106), wird beurteilt, ob die Änderung der Generationen für eine vorbestimmte Anzahl von Malen, beispielsweise 300 Mal, durchgeführt worden ist oder nicht (Schritt 107). Wenn die Änderung der Generationen nicht eine vorbestimmte Anzahl von Malen durchgeführt worden ist, kehrt das Programm zum Schritt 102 zurück, wonach die Verarbeitung im Schritt 102 und der darauf folgenden Schritte nochmals durchgeführt wird.
  • Wenn im Schritt 107 beurteilt worden ist, dass die Änderung der Generationen eine vorbestimmte Anzahl von Malen durchgeführt worden ist, ist die Bearbeitung beendet.
  • Zwei Individuen, die große Abstandsmaßstäbe R haben, werden aus den verbliebenen Individuen gewählt. Es werden Masken entsprechend der gewählten zwei Individuen hergestellt. Eine der Masken wird als eine erste Maske und die andere Maske wird als eine zweite Maske verwendet.
  • Obwohl in dieser zweiten präzisen Beurteilungsverarbeitung die Anpassungsverarbeitung in zwei Schritten unter Verwendung von zwei Masken durchgeführt wird, kann die Anpassungsverarbeitung in drei oder mehr Schritten unter Verwendung von drei oder mehr Masken durchgeführt werden. Alternativ kann die Anpassungsverarbeitung in nur einem Schritt unter Verwendung einer Maske durchgeführt werden.
  • Obwohl in dieser Ausführungsform die erste präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf Infrarotlicht und die zweite präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf rotem Licht durchgeführt wird, kann die erste präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf rotem Licht und die zweite präzise Beurteilungsverar beitung auf der Basis der Eingangssignalform basierend auf Infrarotlicht durchgeführt werden. Ferner können die erste präzise Beurteilungsverarbeitung und die zweite präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf Infrarotlicht durchgeführt werden. Alternativ können sowohl die erste präzise Beurteilungsverarbeitung als auch die zweite präzise Beurteilungsverarbeitung auf der Basis der Eingangssignalform basierend auf rotem Licht durchgeführt werden.
  • Industrielle Anwendbarkeit
  • Ein Verfahren zur Fälschungsbeurteilung eines Papiertyps ist für die Fälschungsbeurteilung einer eingeführten Banknote in Geldwechselmaschinen, verschiedenen Arten von Verkaufsautomaten und dergleichen nützlich.

Claims (4)

  1. Verfahren zur Fälschungsbeurteilung eines Papiertyps, mit: einem ersten Schritt (81) Extrahieren Zufalls-Komponenten für jede der charakteristischen Mengen des Papiertyps auf der Basis der charakteristischen Mengen eines Papiertyps, der überprüft werden soll, die von einer Anzahl von Teilen auf dem Papiertyp gelesen sind und Referenzdaten, die zuvor mit Bezug auf die Anzahl von Teilen gefunden worden sind; einem zweiten Schritt (82) Annehmen der Schmutzkomponenten für die Anzahl von Teilen auf dem zu überprüfenden Papiertyp auf der Basis der extrahierten Zufalls-Komponenten für jede der charakteristischen Mengen und einem vorbestimmten Vorhersagemodell der Schmutzkomponenten; und einem dritten Schritt (84) Beurteilen der Wirklichkeit des zu überprüfenden Papiertyps auf der Basis der angenommenen Schmutzkomponenten und der extrahierten Zufalls-Komponenten, dadurch gekennzeichnet, dass: die in dem ersten Schritt verwendeten Referenzdaten auf der Basis der charakteristischen Mengen einer Anzahl von wahren Papiertypen, die von einer Anzahl von Teilen auf den wahren Papiertypen gelesen worden sind, erzeugt werden, das in dem zweiten Schritt verwendete Vorhersagemodell der Schmutzkomponenten auf der Basis der charakteristischen Mengen der Anzahl von wahren Papiertypen, die von einer Anzahl Teilen auf den wahren Papiertypen gelesen worden sind und den Referenzdaten erzeugt werden, und der dritte Schritt aufweist den Schritt (83) Berechnen eines Wertes bezogen auf einen Prognosefehler auf der Basis der angenommenen Schmutzkomponenten und der extrahierten Zufalls-Komponenten, und den Schritt Entscheiden, dass der zu überprüfende Papiertyp ein falscher Papiertyp ist, wenn der berechnete Wert bezogen auf den Prognosefehler höher als ein Schwellwert ist, während entschieden wird, dass der zu überprüfende Papiertyp kein falscher Papiertyp ist, wenn der berechnete Wert bezogen auf den Prognosefehler nicht höher als der Schwellwert ist.
  2. Verfahren nach Anspruch 1, wobei das Vorhersagemodell der Schmutzkomponenten ein Autoregressionsmodell ist, bei dem Daten die Differenzen zwischen den charakteristischen Mengen der Anzahl von wahren Papiertypen repräsentieren, die von der Anzahl von Teilen auf den wahren Papiertypen gelesen worden sind und Daten entsprechende Teile in den Referenzdaten repräsentieren, die aus einer Gruppe von Daten gefunden worden sind, die in Zeitreihen angeordnet sind.
  3. Verfahren zur Fälschungsbeurteilung eines Papiertyps gemäß Anspruch 1 oder 2, mit den Schritten: Durchführen der ersten Fälschungsbeurteilungsverarbeitung mit Bezug auf einen zu überprüfenden Papiertyp; Durchführen einer zweiten Fälschungsbeurteilungsverarbeitung mit Bezug auf den zu überprüfenden Papiertyp nur dann, wenn in der ersten Fälschungsbeurteilungsverarbeitung entschieden worden ist, dass der zu überprüfende Papiertyp kein falscher Papiertyp ist; und Entscheiden, dass der zu überprüfende Papiertyp ein wahrer Papiertyp ist, nur dann, wenn in der zweiten Fälschungsbeurteilungsverarbeitung entschieden worden ist, dass der zu überprüfende Papiertyp kein falscher Papiertyp ist, dadurch gekennzeichnet, dass: die zweite Fälschungsbeurteilungsverarbeitung aufweist einen vierten Schritt vorheriges Wählen (91, 93) aus den charakteristischen Mengen des zu überprüfenden Papiertyps, die von der Anzahl von Teilen auf dem Papiertyp gelesen worden sind, und von zweiten Referenzdaten, die zuvor mit Bezug auf die Anzahl von Teilen gefunden worden sind, der charakteristischen Mengen und der zweiten Referenzdaten mit Bezug auf eine Anzahl von Positionen, wo eine Operation als eine auszuführen ist, die für die Entscheidung und Berechnung (92, 94) der Güte des Passens der charakteristischen Menge und der zweiten Referenzdaten geeignet ist, und einen fünften Schritt (95, 96) Entscheiden der Wahrheit des zu überprüfenden Papiertyps auf der Basis der berechneten Güte des Passens.
  4. Verfahren nach Anspruch 3, wobei die Anzahl Positionen, wo eine Operation durchgeführt werden soll, die in dem vierten Schritt verwendet werden, durch Optimierungsverarbeitung unter Verwendung eines genetischen Algorithmus gefunden werden.
DE69734646T 1996-01-25 1997-01-22 Verfahren zur fälschungsbeurteilung von bögen, banknoten usw., und verfahren zur beurteilung ihrer einführungsrichtung Expired - Fee Related DE69734646T2 (de)

Applications Claiming Priority (13)

Application Number Priority Date Filing Date Title
JP1091996 1996-01-25
JP8010919A JP2816129B2 (ja) 1996-01-25 1996-01-25 紙幣識別方法
JP01172096A JP3423136B2 (ja) 1996-01-26 1996-01-26 紙葉類識別方法
JP1172096 1996-01-26
JP8052117A JPH09245172A (ja) 1996-03-08 1996-03-08 被検査対象の投入方向判定方法
JP5211796 1996-03-08
JP8056071A JPH09245215A (ja) 1996-03-13 1996-03-13 紙幣の投入方向判定方法
JP5607196 1996-03-13
JP22858096 1996-08-29
JP22857996A JP3192970B2 (ja) 1996-08-29 1996-08-29 紙葉類識別方法
JP22858096A JP3192971B2 (ja) 1996-08-29 1996-08-29 紙幣識別方法
JP22857996 1996-08-29
PCT/JP1997/000131 WO1997027566A1 (fr) 1996-01-25 1997-01-22 Procede d'examen de feuilles et de billets etc., permettant de detecter les contrefaçons et procede d'estimation de leur sens d'insertion

Publications (2)

Publication Number Publication Date
DE69734646D1 DE69734646D1 (de) 2005-12-22
DE69734646T2 true DE69734646T2 (de) 2006-08-10

Family

ID=27548306

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69734646T Expired - Fee Related DE69734646T2 (de) 1996-01-25 1997-01-22 Verfahren zur fälschungsbeurteilung von bögen, banknoten usw., und verfahren zur beurteilung ihrer einführungsrichtung

Country Status (5)

Country Link
US (3) US6157895A (de)
EP (1) EP0881603B1 (de)
CN (4) CN1286066C (de)
DE (1) DE69734646T2 (de)
WO (1) WO1997027566A1 (de)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1286066C (zh) * 1996-01-25 2006-11-22 三洋电机株式会社 纸券类的投入方向判别方法
JP3427000B2 (ja) * 1999-03-17 2003-07-14 三洋電機株式会社 紙葉類の真偽判定方法
JP4032204B2 (ja) * 1999-12-10 2008-01-16 セイコーエプソン株式会社 磁気パターンの認識装置、認識方法、および、情報記録媒体
SE516421C2 (sv) * 2000-05-16 2002-01-15 Luciano Beghello Förfarande och anordning för kvalitetsavsyning av ljustransparenta säkerhetselement
DE10029051A1 (de) 2000-06-13 2001-12-20 Giesecke & Devrient Gmbh Verfahren zur Echtheitsprüfung von Dokumenten
DE10030221A1 (de) 2000-06-20 2002-01-03 Giesecke & Devrient Gmbh Vorrichtung zum Bearbeiten von Blattgut
GB2366651A (en) 2000-09-08 2002-03-13 Ncr Int Inc Evaluation system
ATE441906T1 (de) * 2001-09-28 2009-09-15 Nippon Kinsen Kikai Kk Papierblatthandhabungsvorrichtung
JP4102647B2 (ja) * 2002-11-05 2008-06-18 日立オムロンターミナルソリューションズ株式会社 紙幣類取引装置
EP1434176A1 (de) 2002-12-27 2004-06-30 Mars, Incorporated Banknotenechtheitsprüfer
JP2004280188A (ja) * 2003-03-12 2004-10-07 Omron Corp 価値媒体処理装置
US20040213448A1 (en) * 2003-04-28 2004-10-28 Asn Technology Corp. Apparatus for recognizing counterfeit currency and method thereof
JP2006065771A (ja) 2004-08-30 2006-03-09 Toshiba Corp 判別装置
US7648138B2 (en) * 2004-09-14 2010-01-19 Hitachi-Omron Terminal Solutions, Corp. Sheet handling apparatus
DE102005055682A1 (de) 2005-11-22 2007-05-24 Giesecke & Devrient Gmbh Vorrichtung für die Überprüfung der Echtheit von Banknoten
JP4901524B2 (ja) * 2007-02-22 2012-03-21 株式会社東芝 紙葉類の汚損度判定装置および汚損度判定方法
CN101647046B (zh) * 2007-03-29 2012-10-24 光荣株式会社 纸张识别装置和纸张处理装置以及纸张识别方法
US7996806B2 (en) * 2008-02-06 2011-08-09 Electronics For Imaging, Inc. Methods and apparatus for layout of multi-layer circuit substrates
EP2787489A1 (de) * 2013-04-03 2014-10-08 AIT Austrian Institute of Technology GmbH Verfahren zur Prüfung von bedruckten Gegenständen
CN103456075B (zh) * 2013-09-06 2015-11-25 广州广电运通金融电子股份有限公司 一种纸币处理方法及装置
US9336638B2 (en) * 2014-03-25 2016-05-10 Ncr Corporation Media item validation
CN105243728B (zh) * 2015-10-22 2018-06-19 深圳怡化电脑股份有限公司 一种计算钞票厚度的方法及系统
CN106204892A (zh) * 2016-08-18 2016-12-07 浙江然鹏电子有限公司 一种多光谱发射及接收装置
CN107680248B (zh) * 2017-10-13 2019-09-20 深圳怡化电脑股份有限公司 一种纸币面向的识别方法和装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2360133A1 (fr) * 1976-07-30 1978-02-24 Titn Procede et appareil de balayage d'un support avec compensation des defauts de positionnement et des variations de dimensions
AT349248B (de) * 1976-11-29 1979-03-26 Gao Ges Automation Org Verfahren zur dynamischen messung des verschmutzungsgrades von banknoten und pruefvorrichtung zur durchfuehrung dieses verfahrens
US4559452A (en) * 1982-06-02 1985-12-17 Fujitsu Limited Apparatus for detecting edge of semitransparent plane substance
GB2129126B (en) * 1982-11-01 1985-11-20 De La Rue Syst Dimension of rectangular sheets
JPH0614384B2 (ja) * 1987-04-13 1994-02-23 ローレルバンクマシン株式会社 紙幣判別装置
JPH0379457A (ja) * 1989-08-22 1991-04-04 Topy Ind Ltd アンチロックブレーキ用二系統液圧調整装置
EP0431267B1 (de) * 1989-12-07 1996-06-26 Mars, Incorporated Vorrichtung zum Ausrichten von Blättern
JPH04215293A (ja) 1990-12-11 1992-08-06 Shinsei Koki Kk 横断歩道用スポット照明装置
US5436979A (en) * 1992-08-21 1995-07-25 Eastman Kodak Company Process for detecting and mapping dirt on the surface of a photographic element
JPH06255832A (ja) * 1993-03-04 1994-09-13 Ace Denken:Kk 紙幣搬送装置
JP3321267B2 (ja) * 1993-10-21 2002-09-03 グローリー工業株式会社 パターン認識における遺伝アルゴリズムを用いたマスクの最適化方法
US5729623A (en) * 1993-10-18 1998-03-17 Glory Kogyo Kabushiki Kaisha Pattern recognition apparatus and method of optimizing mask for pattern recognition according to genetic algorithm
EP0658503B1 (de) * 1993-12-17 2001-04-04 Canon Kabushiki Kaisha Blatttransportgerät
GB9326440D0 (en) * 1993-12-24 1994-02-23 Ncr Int Inc Neutral network for banknote recongnition and authentication
JPH07251983A (ja) * 1994-03-11 1995-10-03 Canon Aptecs Kk プリント媒体供給装置、該装置を具えたプリンタおよびプリント媒体巻取り装置
US5466079A (en) * 1995-01-27 1995-11-14 Hewlett-Packard Company Apparatus for detecting media leading edge and method for substantially eliminating pick skew in a media handling subsystem
CN1286066C (zh) * 1996-01-25 2006-11-22 三洋电机株式会社 纸券类的投入方向判别方法
US6059285A (en) * 1996-12-18 2000-05-09 Canon Kabushiki Kaisha Sheet conveying apparatus

Also Published As

Publication number Publication date
CN1209895A (zh) 1999-03-03
EP0881603B1 (de) 2005-11-16
CN1516076A (zh) 2004-07-28
US6327543B1 (en) 2001-12-04
CN1280773C (zh) 2006-10-18
CN1188808C (zh) 2005-02-09
CN1534549A (zh) 2004-10-06
EP0881603A1 (de) 1998-12-02
DE69734646D1 (de) 2005-12-22
EP0881603A4 (de) 2000-05-31
WO1997027566A1 (fr) 1997-07-31
CN1492381A (zh) 2004-04-28
US6253158B1 (en) 2001-06-26
CN1256709C (zh) 2006-05-17
US6157895A (en) 2000-12-05
CN1286066C (zh) 2006-11-22

Similar Documents

Publication Publication Date Title
DE69734646T2 (de) Verfahren zur fälschungsbeurteilung von bögen, banknoten usw., und verfahren zur beurteilung ihrer einführungsrichtung
EP0012724B1 (de) Verfahren zur maschinellen Beurteilung der Druckqualität eines Druckerzeugnisses sowie Vorrichtung zu dessen Durchführung
DE3500650C2 (de)
DE69534475T2 (de) Gerät zum Unterscheiden und Zählen von Dokumenten
DE69533013T2 (de) Münzerkennungsvorrichtung
DE60112890T3 (de) Verfahren zur überwachung von dokumenten
EP1652153B1 (de) Vorrichtung für die ermittlung des zustands von banknoten
DE3322663A1 (de) Verfahren zur blatterkennung
EP1295262B1 (de) Verfahren und vorrichtung zur echtheitsprüfung von dokumenten
EP1576553A2 (de) Verfahren und vorrichtung für die überprüfung von banknoten
DE2824849A1 (de) Verfahren und vorrichtung zur feststellung des zustandes und/oder der echtheit von flachen gegenstaenden
CH684856A5 (de) Verfahren zur Klassifizierung eines Musters - insbesondere eines Musters einer Banknote oder einer Münze - und Einrichtung zur Durchführung des Verfahrens.
EP1625936A2 (de) Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal
WO2006133974A1 (de) Verfahren und vorrichtung zur erkennung einer münze unter verwendung ihres prägebildes
DE69821445T2 (de) Vorrichtung zum Unterscheiden von Blättern
EP0553402B1 (de) Einrichtung zur Klassifizierung eines Musters, insbesondere von einer Banknote oder von einer Münze
DE102011121912A1 (de) Verfahren und Vorrichtung zur Untersuchung eines Wertdokuments
DE102019209653A1 (de) Signalverarbeitungsverfahren für photoelektrischen Kodierer
DE2924605A1 (de) Verfahren und vorrichtung zur optischen unterscheidung von pruefobjekten
DE102004019978B3 (de) Verfahren zur Beurteilung einer Qualität einer von einer Druckmaschine produzierten Drucksache
DE10045360A1 (de) Verfahren zur Klassifizierung von Dokumenten
EP1417635A2 (de) Verfahren zur qualitativen beurteilung von material
WO2006032375A2 (de) Verfahren für entwurf und prüfung von wertpapieren
EP1567991B1 (de) Verfahren und vorrichtung zur prüfung von wertdokumenten
WO2005013206A1 (de) Verfahren für die spezifikation des drucks und die kontrolle der druckqualität von wertpapieren

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee