ES2208662T3 - Reconocimiento de formas por red neuronal artificial para la validacion de monedas. - Google Patents

Abstract

UN SISTEMA DE VALIDACION DE MONEDAS PARA DETERMINAR SI LA MONEDA QUE SE MUEVE A LO LARGO DE UN RIEL DE MONEDAS ES VALIDA Y, SI LO ES, SU DENOMINACION. EL SISTEMA INCLUYE UN RAIL A LO LAGO DEL CUAL SE MUEVEN LAS MONEDAS, AL MENOS UN DETECTOR OPTICO COLOCADO AL LO LARGO DEL RAIL PARA DETECTAR LA PRESENCIA O AUSENCIA DE UNA MONEDA QUE SE MUEVE A SU TRAVES, AL MENOS UN DETECTOR MAGNETICO ASOCIADO A CADA DETECTOR OPTICO COLOCADO CERCA DEL DETECTOR OPTICO CORRESPONDIENTE, EN DONDE CADA UNO DE LOS DETECTORES MAGNETICOS INCLUYE UN ELEMENTO INDUCTIVO Y UN CIRCUITO PARA EXCITAR AL DETECTOR MAGNETICO PARA QUE GENERE UN CAMPO QUE SE ACOPLA A LA MONEDA QUE PASA PARA QUE ASI LA MONEDA Y EL ELEMENTO INDUCTIVO TENGAN UNA INDUCTANCIA MUTUA ENTRE MEDIAS, EN DONDE EL CIRCUITO PONE EN ANILLO AL DETECTOR MAGNETICO UN NUMERO DE VECES PREDETERMINADO MIENTRAS LA MONEDA SE ENCUENTRA AL LADO DEL DETECTOR MAGNETICO, CON LO QUE EL DETECTOR MAGNETICO GENERA UNA ONDA AMORTIGUADA QUE TIENE UNAS CARACTERISTICAS REPRESENTATIVAS DE LAS CARACTERISTICAS FISICAS Y MAGNETICAS DE LA MONEDA, UN PREPROCESADOR DE SEÑALES CONECTADO DE FORMA OPERATIVA AL DETECTOR MAGNETICO PARA GENERAR RESPUESTAS DE SALIDA REPRESENTATIVAS DE LAS CARACTERISTICAS DISTINTIVAS DE LA MONEDA, UN CIRCUITO DE EXTRACCION DE CARACTERISTICAS PARA EXTRAER DE LAS RESPUESTAS DE SALIDA DEL PREPROCESADOR DE SEÑALES PORCIONES DE SEÑALES REPRESENTATIVAS DE LAS CARACTERISTICAS DISTINTIVAS PREDETERMINADAS DE LA MONEDA, UN CIRCUITO PARA GENERAR UNA REPRESENTACION MULTIDIMENSIONAL DE LAS CARACTERISTICAS EXTRAIDAS Y PARA COMPARAR LA REPRESENTACION MULTIDIMENSIONAL CON EL CENTRO DE UN GRUPO ELIPSOIDAL ESTABLECIDO DE DENOMINACIONES DE MONEDAS SELECCIONADAS PARA DETERMINAR EL ALCANCE DE LA COMPARACION ENTRE ELLOS Y A UTILIZAR PARA DETERMINAR SI LA MONEDA ES UNA MONEDA ACEPTABLE O NO, Y UN CIRCUITO CLASIFICADOR DE RED NEURAL ARTIFICIAL QUE TIENE UNAS CONEXIONES AL PREPROCESADOR Y AL CIRCUITO COMPARADOR, EN DONDE EL CIRCUITO CLASIFICADOR DE RED NEURAL ARTIFICIALTIENE UNA SALIDA QUE IDENTIFICA LA DENOMINACION DE LAS MONEDAS QUE EL CIRCUITO COMPARADOR HA DETERMINADO SON ACEPTABLES.

Description

Reconocimiento de formas por red neuronal artificial para la validación de monedas.

La presente invención se refiere a un sistema de validación de monedas.

Los dispositivos para reconocer, identificar y validar objetos, tal como monedas, se usan ampliamente en mecanismos de aceptación y rechazo de monedas y muchos de tales dispositivos existen y se usan de forma regular. Tales dispositivos detectan o sienten la moneda u otro objeto cuando pasa por una estación de detección y usan esta información en un dispositivo tal como un microprocesador o análogos para hacer una determinación sobre la autenticidad, identidad y validez de cada moneda.

GB 2 174 227A describe un validador de monedas incluyendo un recorrido descendente de monedas a lo largo del que están dispuestos un sensor electrostático u óptico de diámetro de moneda, un sensor electrostático u óptico de grosor de moneda y un sensor inductivo para determinar el material del que está hecha la moneda. Las salidas de los sensores son procesadas por un microprocesador y comparadas con valores almacenados representativos de monedas aceptables y un solenoide que opera una compuerta de aceptación se energiza si la moneda es aceptable.

Se conoce otro validador y clasificador de monedas según el estado de la técnica por GB 2 271 659 A. En este validador y clasificador de monedas una moneda pasa entre chapas conductoras que forman un condensador, que proporciona parte de la capacitancia de control de frecuencia de un circuito oscilador sintonizado LC. La presencia de una moneda 1 entre las chapas conductoras altera la capacitancia, y por lo tanto la frecuencia de salida del circuito. La salida del oscilador se suministra al reloj de un contador. El contador cuenta el número de pulsos de reloj recibidos en un período de 10 ms, y el valor de recuento se envía a un microprocesador mediante un registro de desplazamiento. El valor de recuento es una medida de la frecuencia de la salida del oscilador. Un microprocesador resta el valor de recuento de un valor de referencia prealmacenado, y suministra la diferencia a una tabla de consulta almacenada en una memoria. El microprocesador usa la salida de la tabla de consulta para determinar si se ha recibido una moneda válida, y si es así, su valor. El valor de referencia prealmacenado representa la frecuencia de la salida del oscilador cuando no está presente ninguna moneda. Mientras no está presente ninguna moneda el microprocesador comprueba los valores de recuento obtenidos del contador y actualiza el valor de referencia almacenado de manera que rastree la deriva de frecuencia del oscilador.

Un sistema similar de validación de monedas al conocido por GB 2 271 659 A, pero incluyendo opcionalmente sensores ópticos que determinan el diámetro de la moneda, se conoce por GB 2 271 875 A.

US 5.076.414 describe un aparato discriminador y contador de monedas incluyendo un emisor de luz dispuesto en línea en la dirección perpendicular a una dirección de transporte de las monedas en un lado de un paso de monedas con respecto a la dirección vertical, una serie de sensores dispuestos de manera que estén enfrente del emisor de luz en el otro lado del paso de monedas, y un sensor magnético para detectar propiedades magnéticas de las monedas. El sensor magnético está dispuesto de manera que el paso de monedas y la serie de sensores estén dispuestos entremedio con respecto a la dirección vertical. El aparato según US 5.076.414 incluye además una memoria de datos ópticos para almacenar datos ópticos detectados por la serie de sensores, una memoria de datos magnéticos para almacenar datos magnéticos detectados por el sensor magnético, un detector de diámetro de moneda para detectar diámetros de monedas en base a los datos ópticos almacenados en la memoria de datos ópticos, un discriminador de valor para discriminar el valor de moneda en base al diámetro de monedas detectado por el detector de diámetro de moneda, una memoria de datos magnéticos de referencia para almacenar datos magnéticos de referencia para valores respectivos, un discriminador para discriminar los valores, divisa y análogos de las monedas comparando los datos magnéticos detectados cuando la porción central de las monedas pasa por el sensor magnético y salidos de la memoria de datos magnéticos con los datos magnéticos de referencia salidos de la memoria de datos magnéticos de referencia, y un contador para contar el valor y/o número de monedas en base a los resultados de la discriminación en los discriminadores.

Tales dispositivos de validación de monedas, como por ejemplo el descrito en EP 0 367 921 A2, son muy satisfactorios para llevar a cabo el reconocimiento, la identificación y la validación de monedas. Sin embargo, uno de los problemas hallados en tales dispositivos es la presencia de variaciones en el mismo tipo de moneda de un lote a otro y con el tiempo y otras variables incluyendo el desgaste y la suciedad. Estos producirán cambios, aunque los pequeños cambios en algunos casos y de un tipo de moneda a otro incluso en los mercados de monedas estadounidense y extranjeros. Tales cambios o variaciones pueden hacer difícil, si no imposible, distinguir entre monedas auténticas y falsificadas o fichas donde las semejanzas son relativamente sustanciales en comparación con las diferencias.

EP 0 560 023 A1 describe unos medios para clasificar un dibujo, en particular de un billete de banco o una moneda, incluyendo dichos medios un sistema de grabación para detectar metrológicamente vectores de un espécimen, un sistema de preprocesado para transformar los vectores detectados a vectores característicos locales ALCi (1) y un sistema clasificador adaptativo para llevar a cabo una pluralidad de pruebas. Una primera actividad, en una primera prueba, compara cada uno de los vectores característicos locales ALCi (1) con un valor de referencia vectorial. Solamente cuando esta prueba tiene éxito, la primera actividad combina los vectores característicos locales ALCi (1) para formar vectores de características lineales globales AGIi usando primeras estimaciones almacenadas en una base de datos. En una segunda prueba, una tercera actividad compara los vectores de características lineales globales AGIi con valores de referencia correspondientes y, si la segunda prueba tiene éxito, calcula un solo vector plano global AGF que tiene una distancia según Mahalanobis a un vector plano estimado, distancia que una cuarta actividad compara con un valor de referencia en una tercera prueba. El espécimen ha sido clasificado cuando las tres pruebas se han realizado con éxito.

El uso de una red neural artificial (ANN) en un proceso para la clasificación de un billete de banco se propuso en WO 94/12951. Según WO 94/12951, en un proceso para la clasificación de un billete de banco descrito por un vector de características k-dimensionales que se prepara por un sistema de tratamiento preliminar, un espécimen de prueba es asignado a una de n clases blanco o clasificado como una falsificación. Para las n clases blanco se utilizan n unidades de reconocimiento, siendo reconocible exactamente una de las n clases blanco por una unidad de reconocimiento usando un vector de características respectivo preparado para dicha clase. Una clase blanco reconocida se transmite por una unidad de salida a un sistema de servicio. Se asignan a una clase blanco en una fase de aprendizaje varios vectores blanco k-dimensionales que se comparan con un vector de características durante la clasificación. La unidad de reconocimiento es una red neural artificial, comparando una neurona el vector de características con uno de los vectores blanco.

El uso de ANN tiene la ventaja sobre otros dispositivos conocidos de actualizar constantemente sus parámetros de reconocimiento o impresiones que se establecen inicialmente para cada valor de moneda antes de poner en funcionamiento el dispositivo. En otros términos, cuando cada moneda nueva del mismo tipo o de un tipo diferente pasa por los medios detectores empleados en tal dispositivo ANN, la configuración de reconocimiento que se ha establecido para cada tales moneda, con el tiempo, se puede modificar o "actualizar" de manera que los cambios en las monedas que se detectan sobre períodos de tiempo cortos o incluso largos se autoajusten y esto puede mejorar mucho la calidad del reconocimiento, identificación y evaluaciones de validez, también haciendo posible por lo tanto reducir el número de pérdidas que tienen las máquinas vendedoras. También puede aumentar el número de monedas válidas que aceptará una máquina.

Un objeto de la presente invención es proporcionar otro sistema mejorado de validación de monedas.

Según la invención, este objeto se logra por un sistema de validación de monedas según se reivindica en la reivindicación 1.

Realizaciones preferidas y ventajosas del sistema de validación de monedas según la invención son objeto de las reivindicaciones 2 a 18.

Ahora se describirá ejemplos de las realizaciones preferidas del sistema de validación de monedas según la invención con respecto a los dibujos anexos en los que:

La figura 1 es un diagrama esquemático de bloques de un sistema de validación de monedas construido según la presente invención.

La figura 2 es una vista lateral en alzado que representa una disposición de las posiciones de sensores ópticos y magnéticos a lo largo de una pista de monedas para producir respuestas de señal representativas de algunas características de cada moneda cuando pasa.

La figura 3 es un gráfico de señales de pulsos generadas por sensores ópticos espaciados cuando pasa un objeto tal como una moneda.

La figura 4 es una señal sinusoidal amortiguada del tipo generado por un circuito tanque LC.

La figura 5 es un circuito esquemático de una bobina excitada por una fuente CA cuando una moneda está adyacente a él, representándose dicho circuito como un circuito transformador con una moneda adyacente a él.

La figura 6 es una vista plana que representa varias regiones de decisión de solapamiento que ilustran los límites formados por clasificadores de diferente diseño. El límite arbitrario e irregular se emplea en la presente invención.

La figura 7 es una vista lateral en alzado que ilustra una neurona artificial que simula una célula nerviosa biológica.

La figura 8 ilustra una red neural artificial de dos capas.

La figura 9 es una red neural artificial de tres capas con una capa de salida de "el ganador se lleva todo".

La figura 10 es un diagrama de bloques del sistema ANN de validación de monedas mostrando la salida del circuito de vector de características conectado a los medios de validación ANN con las salidas de decisión.

Y la figura 11 es un diagrama de bloques del circuito del dispositivo de la invención con las leyendas apropiadas en los bloques de circuito.

Método de multifrecuencia - implementación

El término multifrecuencia indica que la señal de verificación tiene más de un componente de frecuencia a diferentes intervalos de tiempo.

Descripción de las realizaciones preferidas

Con referencia a los dibujos más en concreto con números de referencia, el número 20 en la figura 1 se refiere a los sensores utilizados en el dispositivo presente. Los sensores están montados junto a una pista de monedas 21 a lo largo de la que se mueven monedas u otros objetos a detectar. La construcción de los sensores 20 es importante para la invención y se describirá más con detalle más adelante.

Las salidas de los sensores 20 incluyen típicamente cuatro señales de frecuencias diferentes que son alimentadas a un circuito de preprocesado de señal 22, cuyas salidas son alimentadas a un algoritmo de extracción de características 24 construido para responder a características particulares de las señales producidas por los sensores. El algoritmo de extracción de características 24 produce salidas que son enviadas a un dispositivo clasificador de grupos 26 y también a un interruptor 28 que tiene su lado opuesto conectado a un circuito clasificador de red neural 30. El circuito clasificador de red neural 30 incluye medios para producir salidas de decisión en base a las entradas que recibe.

El dispositivo clasificador de grupos 26 tiene una salida en la que las señales son alimentadas a un circuito comparador 32 que recibe otras entradas de una trama o área de forma elipsoide 33. Las salidas del circuito comparador 32 son alimentadas al conmutador 28 para aplicar al clasificador de red neural 30. El comparador 32 también produce salidas en el cable 34 que indican la presencia de una moneda rechazada. Esto se produce cuando el circuito comparador 32 genera una comparación de un tipo particular. Una descripción de las decisiones producidas en la salida 36 del clasificador de red neural 30 se expondrá más adelante.

Los sensores 20 empleados en el dispositivo de la invención se representan esquemáticamente en la figura 2 e incluyen dos sensores ópticos espaciados 40 y 42, situados en posiciones espaciadas a lo largo de la pista de monedas 21, y dos sensores magnéticos espaciados 46 y 48, también situados en posiciones espaciadas a lo largo de las pistas de monedas 21. Los sensores ópticos 40 y 42 se representan espaciados hacia arriba respectivamente de los sensores magnéticos 46 y 48 y por lo tanto responden a movimientos de cada moneda a lo largo de la pista de monedas 21 justo antes de que la moneda llegue al sensor magnético respectivo 46 ó 48. Los sensores ópticos 40 y 42 verifican la pista de monedas 21 y generan señales de pulsos cuando una moneda bloquea y desbloquea sus trayectos ópticos. Estas señales de pulsos proporcionan información de tamaño de cuerda de moneda y también sincronizan las oscilaciones que tienen lugar en los sensores magnéticos 46 y 48 de manera que las señales de las bobinas en los sensores magnéticos reflejen la presencia de moneda y generen señales que representan algunas características de cada moneda. Los sensores magnéticos pueden ser de una construcción conocida pero son controlados para operar de forma diferente en el circuito presente que en cualquier circuito conocido. Por ejemplo, cada uno de los sensores magnéticos 46 y 48 incluye un par de bobinas conectadas magnéticamente de manera adyuvante y opuesta respectivamente bajo control de la operación del sensor óptico respectivo 40 ó 42. Al operar de forma adyuvante y opuesta cada par de bobinas oscila a su frecuencia natural respectiva, y esto sucede una vez que el objeto o las monedas están presentes en el campo del sensor respectivo y al hacerlo proporciona información magnética acerca de la moneda. Las señales recogidas por los sensores 40 y 42 son procesadas por los medios de preprocesado de señal 22. La extracción de la información más dominante y destacada acerca de la moneda se produce en el circuito de extracción de características 24. Se forma un vector de características (FV) combinando toda la información preprocesada, y este vector de características (FV) se introduce después al circuito clasificador hiperelipsoidal 26 que clasifica el objeto o moneda según su valor. Si el objeto o moneda no es clasificable por su valor porque es una moneda o ficha falsa, el circuito clasificador producirá una salida de un comparador 32 que se utiliza para rechazar la moneda. Esto se realiza produciendo una señal en el cable 34. La clasificación de la moneda tiene lugar en los medios de comparación 32 que comparan la salida del clasificador de grupos 26 con una salida de forma elipsoide recibida en otra entrada al comparador 33.

La figura 3 muestra ejemplos de señales de pulsos generados por los sensores ópticos 40 y 42 cuando una moneda baja por la pista de monedas 21. Cuando se produce el primer pulso, se energiza un temporizador que comienza en el tiempo (t_{0}), y los pulsos siguientes generados por los sensores ópticos interrumpen el temporizador en los tiempos t_{1}, t_{2} y t_{3} (figura 3). Las señales de interrupción en los tiempos t_{1}, t_{2} y t_{3} están asociadas con los movimientos del objeto bajo prueba y se utilizan para procesado adicional incluyendo para activar los sensores magnéticos 46 y 48 de las formas particulares y en tiempos particulares para producir señales de salida particulares. Las señales de los sensores ópticos y magnéticos se transforman en "características de moneda" y se recogen en un vector de características de moneda (FV) para cada moneda. El tiempo y características magnéticas de las señales son procesados por "temporizadores" 50 y circuitos "detectores de pico" mostrados en la figura 11. Las salidas máximas del detector son convertidas a valores numéricos por un circuito convertidor analógico a digital 52. El "temporizador" registra los intervalos de tiempo que cada moneda cubre los elementos ópticos y estos valores están relacionados con el tamaño de la moneda y es un componente del vector de características de moneda.

El vector de características de moneda se presenta a la ANN 30 que es una red de tres capas en el dispositivo presente. La primera capa, figuras 7, 8 y 9, tiene dos tipos de neuronas. Un tipo realiza agrupamiento elipsoidal que envía uno o cero si la característica está situada fuera o dentro del elipsoide. Las otras neuronas son enviadas a neuronas de recepción. Forman una región de decisión arbitraria dentro del elipsoide. La salida de red es una sola neurona llamada a veces la neurona "el ganador se lleva todo" 56. Esto se representa en la figura 9 en los dibujos.

En términos generales, solamente se recogen los valores máximos de la forma de onda sinusoidal amortiguada para reducir el número de puntos de datos digitalizados a un número administrable. Para realizarlo, se utiliza un diferenciador 54 para hallar la derivada del voltaje (V_{t}) y esto dispara el convertidor analógico a digital 52 cada vez que la salida cruza por cero. Esta forma de manejar los datos simplifica el número de puntos de datos que hay que considerar.

Los medios de preprocesado de señal 22 que reciben las salidas de los sensores magnéticos 46 y 48 pueden contener material redundante y/o irrelevante. Los medios de preprocesado de señal 22 extraen todo lo posible de la información más dominante y destacada de las señales, y de esta información forman un vector de características discriminadoras (FV) que se utiliza a efectos de clasificación. El paso de preprocesado es un paso importante para incrementar la eficiencia de los clasificadores 26 y 30. La información en la salida del preprocesador de señal 22 contiene varios fragmentos de información incluyendo información relativa al tamaño y características magnéticas del objeto o moneda en cuestión. La información de tamaño se obtiene primariamente a partir de las señales ópticas producidas por los sensores ópticos 40 y 42. Los medios para medir la distancia o el tamaño de moneda pueden asumir que la moneda se mueve a una aceleración constante a través del aceptor.

Las formas de ondas sinusoidales amortiguadas generadas por los circuitos tanque cuando una moneda está presente, contienen información que se refiere a las características magnéticas de la moneda, es decir, el tamaño de moneda, conductividad de moneda, permeabilidad y profundidad de penetración. Cada forma de onda sinusoidal amortiguada tiene varios parámetros de importancia incluyendo parámetros como la amplitud, factor de amortiguamiento, frecuencia angular y ángulo de fase. Algunas de estas características, como la amplitud y el ángulo de fase, se determinan no sólo por el objeto bajo prueba, sino también por la condición inicial del circuito tanque. Siendo esto así, no hay buenos candidatos de características a causa de sus varianzas debido a las condiciones iniciales del circuito tanque. Los otros dos parámetros, a saber, el factor de amortiguamiento y la frecuencia angular son dependientes de componentes del circuito tanque solamente y se incluyen en el vector de características (FV). Se prefiere elegir características fundamentales que están más directamente relacionadas con el objeto o moneda bajo prueba, si es posible. Estas características se extraen de la salida de los sensores magnéticos. Los sensores magnéticos son capaces de detectar sutiles cambios del material metálico de la moneda u otro objeto bajo prueba.

La figura 5 ilustra cómo un par de objetos metálicos de circuito secundario, tal como monedas, se pueden modelar como un circuito secundario en una situación parecida a transformador de manera que cada uno tenga su propia inductancia L2 y su propia resistencia en serie R2. M_{12} es la inductancia mutua entre las bobinas L_{1} y L_{2} y k es el coeficiente de acoplamiento entre las dos bobinas. En el circuito de la figura 5, L_{1} y R_{1} son constantes en una unidad de validación particular y se pueden estimar como parámetros de aire cuando no está presente ningún objeto o moneda en la posición de la bobina. En contraposición, L_{2} y R_{2}, que se refieren a la moneda, dependen de la terminación de las características materiales de la moneda bajo prueba. Toda diferencia sutil en el material en la moneda cambiará directa e inmediatamente L_{2} y R_{2} y estas diferencias sutiles se reflejarán en las salidas de los sensores magnéticos cuando la moneda pase por ellos. Por lo tanto, la moneda forma un circuito secundario que tiene su propia inductancia y resistencia como se representa en la figura 5. La inductancia y resistencia de cada circuito tanque son constantes en una unidad particular y se conocen cuando no está presente ningún objeto. Esto significa que incluso pequeños cambios en L y R aparecerán en el vector de características (FV). Cuando resuene un circuito tanque, la forma de onda sinusoidal amortiguada que se produzca dependerá de la capacitancia, la inductancia y la resistencia equivalente de la bobina. El factor de amortiguamiento y las frecuencias angulares se pueden determinar matemáticamente, si se conoce el valor de la capacitancia, la inductancia y la resistencia. Sin embargo, no conocemos estos valores. Por lo tanto, se utilizan medios de los cuadrados mínimos gaussianos para estimar estos parámetros.

En una aplicación típica, los circuitos tanque se activan cuatro veces cuando está presente un objeto o una moneda. Esto significa que se producirán y recogerán cuatro cambios de la resistencia y de la inductancia en base a las diferentes características o combinaciones de circuitos tanque. Esto también se basará en los factores de amortiguamiento y las frecuencias de los respectivos circuitos tanque. Estos cambios de resistencia e inductancia más los cambios de las cuerdas de las ondas amortiguadas producidas constituyen el vector de características (FV) para cada objeto o moneda bajo prueba. Así, cada objeto o moneda tendrá su propio vector de características y el vector de características representará de forma características dicha moneda particular.

El clasificador de grupos 26 y el clasificador de red neural 30 están construidos para buscar una división óptima de un espacio de características S en c regiones que llamaremos regiones de decisión donde c es el número de clases o regiones de decisión en un espacio de características. El clasificador deberá tener la capacidad de asignar correctamente y/o con sentido una marca de clase a un vector de características (FV) en el espacio de características (S). Un diseño de clasificador se puede dividir en dos categorías, siendo una aprendizaje supervisado y siendo la otra aprendizaje no supervisado. En los medios presentes de validación de monedas se emplea aprendizaje supervisado puesto que están disponibles muestras marcadas, una para cada valor de moneda diferente. Hay dos tipos de regiones de decisión definidas en un espacio de características de moneda (S), siendo una regiones de aceptación y siendo la otra regiones de rechazo. Si un vector de características (FV) cae en una de las regiones de aceptación el objeto asociado con ella se clasifica como una moneda, de otro modo se rechaza. La región de rechazo solapa casi todo el espacio de características a excepción de un número de pequeñas regiones de aceptación.

La figura 6 ilustra una región de decisión bidimensional. Un grupo elipsoidal forma una región divisoria semirregular con límites abruptos en un espacio de características (S) mientras que, por otra parte, una red neural construye cualquier región de decisión arbitraria e irregular en la elipsoide. Un límite elipsoidal es generalmente mucho mejor que uno de forma rectangular. Algunas regiones en el dibujo pueden tener agujeros que producen límites de decisión discontinuos. Las funciones complementarias de estos dos tipos de región producen un clasificador que tiene resolución muy fina en el borde de decisión e irregularidad en la geometría de la región de decisión. En el caso de validación de monedas significa que se crea una base de datos de monedas y falsificaciones por insertándolos inicialmente en el sistema de validación. Cada registro en la base de datos tiene un vector de características asociado (FV), una marca de algún tipo para distinguir una moneda de una falsificación, y un valor si es marcado como una moneda. El número de registros para cada categoría lo determinan la distribución y características del vector de características (FV).

Un grupo elipsoidal E es un espacio euclidiano p-dimensional que tiene un tamaño r establecido en el que se determina la excentricidad y orientación del espacio de grupo o elipsoide. Hay un grupo elipsoidal por cada categoría de monedas. Se puede demostrar matemáticamente que el centro del elipsoide es la media de todas las muestras pertenecientes a la misma clase y el eje del elipsoide se define por las desviaciones estándar de cada elemento en el vector de características.

Una vez establecida esta información, se puede determinar la distancia de un punto en el vector de características (FV) al grupo. Las distancias definidas para estos puntos se usan para hacer decisiones preliminares. Por ejemplo, un objeto con un vector de características (FV) es un candidato para una cierta clase de moneda si la distancia del vector de características al grupo es inferior o igual a alguna distancia. Sin embargo, ésta no es una decisión final sobre la aceptabilidad de la moneda por varias razones. En primer lugar, la geometría del grupo real de las muestras puede formar un elipsoide cuyos ejes son oblicuos a los ejes de coordinación y se puede usar el método de componentes principales para girar la elipsoide. En segundo lugar, independientemente de la primera razón, la región de decisión formada por un elipsoide todavía se considera una región semirregular y se puede observar volumen de solapamiento de falsificación dentro del elipsoide. Por lo tanto, una red neural artificial ANN se usa además para alternar la región de decisión dentro del elipsoide. Esta combinación de un grupo y una ANN hace el entrenamiento de la ANN mucho más fácil porque el dominio de un mapa en el que se define una ANN es mucho más pequeño que todo el espacio de características.

Una red neural artificial es una colección de elementos de procesado paralelo llamados neuronas enlazadas por sus pesos sinápticos. Estas neuronas se pueden disponer en varias capas. Diseñar una red neural para una aplicación de reconocimiento de formas es entrenar la red neural para identificar una división en un espacio de características. Teóricamente, a condición de que el número de neuronas en la capa oculta sea suficientemente grande, se puede realizar cualquier mapa de entrada-salida de vector por una red neural directa de alimentación multicapa. Con el apoyo de esta teoría, una red neural puede realizar una región de decisión con límites geométricos arbitrarios.

Una neurona en una ANN simula una célula nerviosa en una red neural biológica (véanse las figuras 7 y 8). En una red neural multicapa de alimentación directa, cada neurona recibe una entrada de su capa previa o de una entrada y transmite su salida a la capa siguiente o a la salida. El conocimiento acerca del mundo externo se codifica en un peso sináptico de red neural, y la recuperación de información se realiza por manipulación de estos pesos con el vector de características o entrada.

La retropropagación es el algoritmo de aprendizaje más potente para entrenar una red neural (modificar sus pesos sinápticos) con aprendizaje supervisado. La retropropagación es un algoritmo de descenso de gradiente. Inicialmente, todos los pesos en una red neural son randomizados entre valores - y + similares, tal como entre -0,5 y +0,5. El aprendizaje comienza con la presentación de un par entrada-blanco. La red neural concuerda la entrada dada con una salida. La comparación entre el blanco y la salida genera un vector de error. Este vector de error, por retropropagación por todas las neuronas, es el que modifica los pesos sinápticos en un intento de minimizar la función objetiva de error cuadrático medio \varepsilon. El método de descenso de gradiente actualiza repetidas veces cada peso, denominándose cada actualización una presentación y todas las presentaciones en un conjunto de aprendizaje se denominan un ciclo. Después de entrenarse un número de ciclos, la red neural puede reducir su función de error a un valor mínimo. Cuando esto se realiza, la red se ha entrenado para descubrir la relación entre los vectores de entrada y blanco en el conjunto de aprendizaje.

El algoritmo verifica el aprendizaje cuando prosigue de manera que el aprendizaje se pueda producir automáticamente cuando se han descubierto el espacio divisor y el espacio de características. Esto se lleva a cabo verificando entre la salida de la red neural y el blanco con cada presentación.

Para evitar cálculo innecesario, se introduce un margen de error en el error entre la salida de la red neural y el blanco. Esto pone el error a cero antes de la retropropagación si se halla que la salida está dentro del margen del blanco. Al entrenar una red neural, es posible a veces un desbordamiento que indica una mayor velocidad de aprendizaje y se produce cuando el error se aproxima a cero o a un valor muy pequeño. Hay formas de reducir la velocidad de aprendizaje. Una forma es disminuirla a una cierta tasa fija en el transcurso del entrenamiento. Elegimos la velocidad de aprendizaje que sea un cierto porcentaje del error corriente. Tales métodos se conocen y no son parte de la presente invención. También es posible usar más de una ANN para la clasificación de todas las categorías. Esto tampoco es parte de la invención.

Después de que todas las redes neurales han sido entrenadas, y se conoce dicho entrenamiento, el sistema de validación de monedas de la invención está listo para clasificación. Después se recogen las señales con sus características distintivas se del objeto o moneda desconocido y se convierten en el vector de características (FV). El vector de características es verificado primero para ver si cae dentro de una elipse como la definida por la matemática del sistema. El objeto o moneda se rechaza como falsificación si se halla que su vector de características no cae en ninguna elipse. De otro modo, se supone que es una moneda válida. Si no es rechazado, el objeto o moneda se considera como un candidato y se alimenta el mismo vector de características a la red neural y se comparan entre sí los niveles de salida de la red. El objeto o moneda es sometido de nuevo a rechazo como falsificación si el valor de salida del primer nivel de neuronas es mayor que el del segundo nivel de neuronas. De otro modo, se aceptará como una moneda válida perteneciente a un valor o rango de valores predeterminado.

Se ha hallado mediante prueba de las monedas de varios diferentes países incluyendo los Estados Unidos, el Reino Unido y Alemania que los varios valores se pueden separar fácilmente de esta manera. Además, la comprobación ha demostrado que es posible resolver el problema de las diferentes durezas con respecto, por ejemplo, al níquel de Estados Unidos frente al níquel canadiense, el marco alemán frente a la moneda de cinco peniques del Reino Unido, el marco alemán frente a 10 zloties polacos, el marco alemán frente a los 5 céntimos australianos, y los 50 peniques británicos frente a los antiguos 10 peniques británicos cubiertos con lámina. En todos estos casos las semejanzas son sustanciales; no obstante, el proceso de separación es eficaz. Así, la presente invención presenta un grupo de dispositivos de redes neurales en un sistema de validación de monedas. Esta nueva aplicación de ANN a un sistema de validación de monedas tiene varias ventajas sobre los mecanismos de monedas existentes, y las pruebas han demostrado un sistema de validación de monedas más fiable y más flexible usando ANN.

El sistema presente tiene capacidad de autocompensación midiendo parámetros de aire con los que se comparan todas las demás características. Esto reduce considerablemente las variaciones de rendimiento entre unidades diferentes debidas a desviaciones de componentes así como fluctuaciones medioambientales. Las características dominantes y destacadas se han seleccionado con cuidado y preprocesado y estas características solamente las determina el objeto bajo prueba. Esto significa que se puede desarrollar un validador de monedas autorregulable o regulado por el cliente en base a esta tecnología. El sistema presente en su forma preferida, como se ha indicado, utiliza validación de monedas por multifrecuencia por conmutación de condensador en circuitos tanque oscilantes decrecientes. La amplia gama de frecuencias de oscilación de los circuitos tanque cubre casi la banda de frecuencia completa actualmente utilizada en aceptadores internacionales. Esto significa que el sistema presente no sólo genera más características para discriminación, sino que también hace posible producir un aceptor universal capaz de clasificar las monedas de todos los valores de varios países. El agrupamiento tal como agrupamiento elipsoidal también mitiga los requisitos al entrenar muestras y simplifica el entrenamiento de la red neural. La clase de moneda de validación para cada moneda también se estrecha, lo que significa que la clase de falsificación ocupa un gran volumen del espacio de características.

Así, se ha representado y descrito nuevos medios para separar monedas u otros objetos de fichas o monedas falsas, y se hace de manera que permita identificar las varias monedas en cuanto a validez, tamaño y valor.

Claims (18)

1. Un sistema de validación de monedas para determinar si una moneda que se mueve a lo largo de una pista de monedas (21) es una moneda válida, y si es así, su valor, incluyendo una pista a lo largo de la que se mueven las monedas, medios detectores de moneda (20) situados junto a la pista (21), incluyendo dichos medios detectores (20) al menos un sensor óptico (40, 42) para responder ópticamente a movimientos de monedas adyacentes a él, al menos un sensor magnético (46, 48) situado cerca del sensor óptico (40, 42), incluyendo dicho sensor magnético (46, 48) un elemento inductivo, medios de circuito sensibles al sensor óptico (40, 42) que detectan la presencia de una moneda para energizar el sensor magnético (46, 48) para producir una señal cuando la moneda se está moviendo junto a él, moviéndose la moneda a una posición para tener cooperación inductiva mutua con el elemento inductivo por lo que el elemento inductivo produce una señal de salida que tiene características representativas de la moneda, medios de preprocesado de señal (22) conectados operativamente al sensor magnético (46, 48) incluyendo medios para producir respuestas de salida representativas de características distintivas de la moneda, medios de extracción de características (24) para extraer de las respuestas salidas de los medios de preprocesado de señal (22) porciones de señal representativas de características distintivas predeterminadas de la moneda, medios para producir una representación multidimensional de las características extraídas y para clasificar la moneda como un tipo aceptable o no aceptable incluyendo medios clasificadores de grupo (26) para recibir las porciones de señal y para generar la representación multidimensional y medios (32) para comparar la representación multidimensional con el centro de un grupo establecido de valores de monedas seleccionados para determinar la magnitud de la comparación entre ellos de tal manera que cuando la comparación sea de una cierta naturaleza, se determine que la moneda es aceptable, y cuando la comparación sea de una naturaleza diferente, la moneda no es aceptable, y medios clasificadores de red neural artificial (30) que tienen una primera conexión mediante primeros medios conmutadores a los medios de extracción de características (24) y una segunda conexión mediante otros medios conmutadores al circuito comparador (32), teniendo los medios clasificadores de red neural artificial (30) una salida (36) que identifica el valor de monedas que se determinan por el circuito comparador (32) que son aceptables, y donde el sistema de validación de monedas incluye además medios para formar un grupo límite elipsoidal de información extraída por los medios de extracción de características (24), y donde los medios (32) de comparación están dispuestos para comparar el centro del grupo elipsoidal con el dibujo de la moneda y si la comparación es de un cierto tipo para generar una señal que indica la aceptabilidad de la moneda y su valor.

2. El sistema de validación de monedas de la reivindicación 1 incluyendo al menos dos sensores ópticos (40, 42) espaciados a lo largo de la pista de monedas (21) y un sensor magnético (46, 48) situado cerca de cada uno de los sensores ópticos (40, 42).

3. El sistema de validación de monedas de la reivindicación 1, donde los otros medios conmutadores tienen una conexión a una línea de control de selección de características que determina qué entradas de características se aplican a la red neural artificial (30).

4. El sistema de validación de monedas de la reivindicación 1 incluyendo medios de circuito conectados al sensor óptico (40, 42) para determinar el tamaño de una moneda que baja por la pista de monedas (21).

5. Sistema de validación de monedas según la reivindicación 1, caracterizado porque

- la pista de monedas se diseña de tal manera que la moneda depositada en el sistema de validación de monedas se desplace de canto,

- el sensor magnético (46, 48) incluye circuitos tanque LC incluyendo dos pares de bobinas y cuatro condensadores, estando conectados inicialmente los circuitos tanque para almacenar energía determinada por su condición inicial, generando cada uno de dichos circuitos tanque cuando resuena una forma de onda sinusoidal amortiguada en respuesta a movimientos de una moneda, teniendo cada uno de los circuitos tanque una frecuencia distintiva y resuena dos veces a frecuencias diferentes conmutando diferentes condensadores en paralelo con las bobinas respectivas cuando una moneda está en presencia de una bobina respectiva de las bobinas, y

- porque incluye medios para generar una señal de decisión de salida para indicar una moneda aceptable si la comparación cae dentro del límite y para generar una señal de rechazo de moneda si la comparación no cae dentro del límite.

6. Sistema de validación de monedas según la reivindicación 1, caracterizado por:

- medios de circuito conectados al sensor magnético (46, 48) incluyendo medios para generar una pluralidad de frecuencias diferentes para aplicar al sensor magnético (46, 48) cuando la moneda se mueve en su proximidad,

- medios para hacer resonar los medios de circuito para producir señales de onda amortiguadas para aplicar a la moneda por el sensor magnético (46, 48), resonando los medios de circuito a frecuencias diferentes cuando la moneda está cerca del sensor magnético (46, 48), y

- medios para generar una señal de decisión de salida para indicar una moneda aceptable si se determinó que la moneda era aceptable y para generar una señal de rechazo de moneda si se determinó que la moneda no era aceptable.

7. Sistema de validación de monedas según la reivindicación 6, caracterizado porque los medios de circuito conectados al sensor magnético (46, 48) incluyen al menos un circuito tanque LC que tiene una bobina y al menos dos condensadores para conectar selectivamente a través de la bobina.

8. Sistema de validación de monedas según la reivindicación 6, caracterizado porque los medios de circuito conectados al sensor magnético (46, 48) incluyen un circuito tanque LC incluyendo dos pares de bobinas y cuatro condensadores, estando conectado inicialmente el circuito tanque para almacenar energía determinada por su condición inicial, y medios para resonar el circuito tanque a frecuencias diferentes para generar diferentes formas de onda sinusoidal amortiguada forma cuando una moneda está en una posición a acoplar a las bobinas del circuito tanque.

9. Sistema de validación de monedas según la reivindicación 1, caracterizado porque

- está dispuesto en un dispositivo de control de venta para instalar en máquinas vendedoras,

- el sensor magnético (46, 48) incluye medios para generar una señal electromagnética cuando la moneda está junto a él,

- incluye medios clasificadores de grupo elipsoidal (26) conectados a los medios de extracción de características (24),

- los medios (32) de comparación están dispuestos para determinar si un vector de características cae dentro del clasificador de grupo con un umbral de semejanza predeterminado, si la semejanza excede del umbral se indica que la moneda es una moneda válida y en caso contrario la moneda es rechazada, y

- los medios clasificadores de red neural (30) tienen salidas en las que se hacen decisiones sobre si la moneda deberá ser aceptada o rechazada.

10. Sistema de validación de monedas según la reivindicación 9, caracterizado porque el sensor magnético (46, 48) incluye un circuito tanque que tiene inductancia y resistencia, produciendo la inductancia del circuito tanque inductancia mutua con la moneda cuando la moneda está junto a él.

11. Sistema de validación de monedas según la reivindicación 9, caracterizado porque los medios clasificadores de red neural (30) incluyen una pluralidad de capas de neuronas dispuestas en una primera capa conectada para recibir las salidas de los medios (32) de comparación, y una segunda capa conectada para recibir las salidas de la primera capa, teniendo dicha segunda capa una pluralidad de neuronas, teniendo cada una una salida de decisión conectada a ella.

12. Sistema de validación de monedas según la reivindicación 11, caracterizado porque dichos medios clasificadores de red neural (30) tienen tres capas de neuronas, teniendo la tercera capa entradas conectadas a las salidas de la segunda capa, produciendo dicha tercera capa una salida que indica una moneda aceptable o inaceptable.

13. Sistema de validación de monedas según la reivindicación 9, caracterizado porque incluye una fuente de pulsos de frecuencias diferentes, medios para aplicar las salidas de dicha fuente al sensor magnético (46, 48) por lo que el sensor magnético (46, 48) genera respuestas de señal de frecuencias diferentes para acoplamiento a la moneda.

14. Sistema de validación de monedas según la reivindicación 9, caracterizado porque incluye:

- un par de sensores ópticos espaciados (40, 42) sensibles a movimientos de monedas a lo largo de la pista junto a ellos, y

- un par de sensores magnéticos (46, 48), donde uno (46) de los sensores magnéticos está colocado junto a uno (40) de los sensores ópticos, y el otro (48) de los sensores magnéticos está colocado junto al otro (42) de los sensores ópticos, estableciendo los sensores ópticos (40, 42) condiciones para exponer los sensores magnéticos adyacentes (46, 48) a la moneda cuando la moneda pasa.

15. Sistema de validación de monedas según la reivindicación 13, caracterizado porque la fuente de pulsos de frecuencias diferentes incluye una pluralidad de circuitos tanque teniendo cada uno al menos dos condensadores diferentes para conectar selectivamente a través de los respectivos inductores, generando cada condensador una frecuencia diferente cuando está conectado a través de su inductor respectivo.

16. Sistema de validación de monedas según la reivindicación 9, caracterizado por un circuito temporizador (50) conectado a los medios para generar una señal electromagnética, teniendo dicho circuito temporizador (50) salidas para controlar la energización de los sensores magnéticos (46, 48) en base a la posición de la moneda junto a él.

17. Sistema de validación de monedas según la reivindicación 9, caracterizado porque el sensor óptico (40, 42) lleva asociados medios para determinar el tamaño físico de una moneda que se desplaza a una posición de cobertura adyacente a él, incluyendo dichos medios unos medios para generar señales cuando la moneda se mueve a ciertas posiciones, estableciendo dichas señales una relación temporal de movimientos de moneda que se puede usar para determinar el tamaño de moneda.

18. Sistema de validación de monedas según la reivindicación 9, caracterizado porque el sensor magnético (46, 48) incluye medios para predeterminar la resonancia del circuito tanque para producir pulsos temporizados en forma de ondas amortiguadas, imponiendo las ondas amortiguadas información de la que se puede extraer características predeterminadas de la moneda.