ES2208662T3 - Reconocimiento de formas por red neuronal artificial para la validacion de monedas. - Google Patents
Reconocimiento de formas por red neuronal artificial para la validacion de monedas.Info
- Publication number
- ES2208662T3 ES2208662T3 ES95110930T ES95110930T ES2208662T3 ES 2208662 T3 ES2208662 T3 ES 2208662T3 ES 95110930 T ES95110930 T ES 95110930T ES 95110930 T ES95110930 T ES 95110930T ES 2208662 T3 ES2208662 T3 ES 2208662T3
- Authority
- ES
- Spain
- Prior art keywords
- currency
- coin
- circuit
- validation system
- magnetic
- 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 - Lifetime
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
- G07D5/08—Testing the magnetic or electric properties
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D5/00—Testing specially adapted to determine the identity or genuineness of coins, e.g. for segregating coins which are unacceptable or alien to a currency
- G07D5/02—Testing the dimensions, e.g. thickness, diameter; Testing the deformation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Coins (AREA)
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.
El término multifrecuencia indica que la señal de
verificación tiene más de un componente de frecuencia a diferentes
intervalos de tiempo.
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.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/273,931 US5485908A (en) | 1994-07-12 | 1994-07-12 | Pattern recognition using artificial neural network for coin validation |
US273931 | 1994-07-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2208662T3 true ES2208662T3 (es) | 2004-06-16 |
Family
ID=23046034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES95110930T Expired - Lifetime ES2208662T3 (es) | 1994-07-12 | 1995-07-12 | Reconocimiento de formas por red neuronal artificial para la validacion de monedas. |
Country Status (6)
Country | Link |
---|---|
US (1) | US5485908A (es) |
EP (1) | EP0692773B1 (es) |
AU (1) | AU696711B2 (es) |
CA (1) | CA2153637C (es) |
DE (1) | DE69531883T2 (es) |
ES (1) | ES2208662T3 (es) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US6014652A (en) * | 1994-11-02 | 2000-01-11 | Foster-Miller, Inc. | Object classification and identification system |
GB2331614A (en) * | 1997-11-19 | 1999-05-26 | Tetrel Ltd | Inductive coin validation system |
GB2341263B (en) * | 1998-08-14 | 2002-12-18 | Mars Inc | Method and apparatus for validating currency |
WO2000037955A2 (en) * | 1998-12-23 | 2000-06-29 | Jakab Peter D | Magnetic resonance scanner with electromagnetic position and orientation tracking device |
GB2345372B (en) | 1998-12-30 | 2003-04-16 | Mars Inc | Method and apparatus for validating coins |
JP2000242823A (ja) | 1999-02-24 | 2000-09-08 | Nippon Conlux Co Ltd | 硬貨選別方法および装置 |
US6230870B1 (en) | 2000-02-10 | 2001-05-15 | Coin Acceptors, Inc. | Coin detection device |
US7043348B2 (en) * | 2003-03-03 | 2006-05-09 | Honeywell International, Inc. | Transient fault detection system and method |
US20040213448A1 (en) * | 2003-04-28 | 2004-10-28 | Asn Technology Corp. | Apparatus for recognizing counterfeit currency and method thereof |
US7294605B2 (en) | 2003-12-18 | 2007-11-13 | Agfa-Healthcare | Thermographic recording materials containing a mesionic, 1,2,4-triazolium-3-thiolate compound |
US7383238B1 (en) * | 2004-02-24 | 2008-06-03 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Inductive monitoring system constructed from nominal system data and its use in real-time system monitoring |
US7233932B2 (en) * | 2005-05-31 | 2007-06-19 | Honeywell International, Inc. | Fault detection system and method using approximate null space base fault signature classification |
US7711582B2 (en) * | 2006-04-17 | 2010-05-04 | General Electric Company | Remote health application for the optimization of remote site visit frequency |
AU2007257093A1 (en) * | 2006-05-05 | 2007-12-13 | Isis Pharmaceuticals, Inc. | Compounds and methods for modulating expression of PCSK9 |
WO2008051537A2 (en) * | 2006-10-20 | 2008-05-02 | Coin Acceptors, Inc. | A method of examining a coin for determining its validity and denomination |
US10209097B2 (en) | 2013-03-19 | 2019-02-19 | Balluff Gmbh | Inductive displacement measuring sensor and method for operating the latter |
US9336638B2 (en) * | 2014-03-25 | 2016-05-10 | Ncr Corporation | Media item validation |
US20150308920A1 (en) * | 2014-04-24 | 2015-10-29 | Honeywell International Inc. | Adaptive baseline damage detection system and method |
CN107209874B (zh) * | 2014-12-16 | 2021-04-06 | 巴鲁夫公司 | 具有人工神经网络的非接触式位置/距离传感器及其操作方法 |
GB201706951D0 (en) * | 2017-05-02 | 2017-06-14 | Univ Manchester | Method and apparatus for determining conductivity |
EP3287991B1 (en) * | 2017-07-11 | 2019-07-24 | Azkoyen, S.A. | Coin sensor |
US11093599B2 (en) * | 2018-06-28 | 2021-08-17 | International Business Machines Corporation | Tamper mitigation scheme for locally powered smart devices |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8509609D0 (en) * | 1985-04-15 | 1985-05-22 | Coin Controls | Discriminating between different metallic articles |
US4646904A (en) * | 1985-09-05 | 1987-03-03 | Coin Acceptors, Inc. | Coin sizing means and method |
US4625852A (en) * | 1985-09-05 | 1986-12-02 | Coil Acceptors, Inc. | Coin detection and validation means and method |
US4739869A (en) * | 1985-09-05 | 1988-04-26 | Coin Acceptors, Inc. | Coin detection and validation means and method |
CH676162A5 (es) * | 1988-11-07 | 1990-12-14 | Ascom Autelca Ag | |
US5076414A (en) * | 1989-05-24 | 1991-12-31 | Laurel Bank Machines Co., Ltd. | Coin discriminating and counting apparatus |
US5142665A (en) * | 1990-02-20 | 1992-08-25 | International Business Machines Corporation | Neural network shell for application programs |
JPH04123191A (ja) * | 1990-09-13 | 1992-04-23 | Nippon Signal Co Ltd:The | 検銭装置 |
US5167313A (en) * | 1990-10-10 | 1992-12-01 | Mars Incorporated | Method and apparatus for improved coin, bill and other currency acceptance and slug or counterfeit rejection |
DE4100500A1 (de) * | 1991-01-10 | 1992-07-16 | Bodenseewerk Geraetetech | Signalverarbeitungsanordnung zur klassifizierung von objekten aufgrund der signale von sensoren |
JP3332952B2 (ja) * | 1992-05-20 | 2002-10-07 | グローリー工業株式会社 | 硬貨識別装置 |
GB2271875A (en) * | 1992-10-14 | 1994-04-27 | Tetrel Ltd | Coin validator |
DE69311812T2 (de) * | 1992-10-14 | 1997-10-02 | Tetrel Ltd | Münzprüfer |
CH684856A5 (de) * | 1992-11-30 | 1995-01-13 | Mars Inc | Verfahren zur Klassifizierung eines Musters - insbesondere eines Musters einer Banknote oder einer Münze - und Einrichtung zur Durchführung des Verfahrens. |
-
1994
- 1994-07-12 US US08/273,931 patent/US5485908A/en not_active Expired - Lifetime
-
1995
- 1995-07-11 CA CA002153637A patent/CA2153637C/en not_active Expired - Fee Related
- 1995-07-12 DE DE69531883T patent/DE69531883T2/de not_active Expired - Fee Related
- 1995-07-12 ES ES95110930T patent/ES2208662T3/es not_active Expired - Lifetime
- 1995-07-12 EP EP95110930A patent/EP0692773B1/en not_active Expired - Lifetime
- 1995-07-14 AU AU25033/95A patent/AU696711B2/en not_active Ceased
Also Published As
Publication number | Publication date |
---|---|
DE69531883T2 (de) | 2004-09-02 |
EP0692773A3 (en) | 1999-06-09 |
EP0692773B1 (en) | 2003-10-08 |
US5485908A (en) | 1996-01-23 |
EP0692773A2 (en) | 1996-01-17 |
AU696711B2 (en) | 1998-09-17 |
DE69531883D1 (de) | 2003-11-13 |
CA2153637C (en) | 1999-11-30 |
CA2153637A1 (en) | 1996-01-13 |
AU2503395A (en) | 1996-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2208662T3 (es) | Reconocimiento de formas por red neuronal artificial para la validacion de monedas. | |
CN102160091B (zh) | 纸张类管理装置、纸张类管理方法以及纸张类管理程序 | |
CA1240059A (en) | Method and apparatus for currency validation | |
CN104464079B (zh) | 基于模板特征点及其拓扑结构的多币种面值识别方法 | |
US20170132866A1 (en) | A self-learning system and methods for automatic document recognition, authentication, and information extraction | |
EP0779604B1 (en) | Money validator | |
JP2599347B2 (ja) | コイル測寸方法 | |
AU648557B2 (en) | Coin discrimination apparatus | |
TW564376B (en) | Currency recognition device and the method thereof | |
JPH09509771A (ja) | 硬貨を識別する方法及びその装置 | |
US8695416B2 (en) | Method of examining a coin for determining its validity and denomination | |
ES2351164T3 (es) | Procedimiento y dispositivo para el reconocimiento de una moneda mediante el uso de su imagen de acuñación. | |
JP2012084175A (ja) | 硬貨分類装置および硬貨分類方法 | |
AU2023285914A1 (en) | Counting gaming chips | |
US6722487B1 (en) | Money item acceptor | |
JP2000251108A (ja) | 貨幣または有価証券等の識別方法およびこれらを識別する識別装置 | |
CN1072374C (zh) | 用人工神经网络对硬币的有效性进行图形识别的装置 | |
US20210264711A1 (en) | Cash handling machine | |
Vighea et al. | Coin Counting and Sorting Machine | |
EP3703018B1 (en) | Cash-handling machine | |
US20070007104A1 (en) | Electronic coin recognition system | |
Zheng et al. | A robust matching method for distorted fingerprints | |
JP3640137B2 (ja) | 紙幣鑑別装置および記録媒体 | |
JPH07121747A (ja) | 硬貨および証明カードの鑑別装置 | |
JPH0836660A (ja) | コイン識別装置 |