JP2001005968A - 紙葉類の真偽鑑別装置 - Google Patents
紙葉類の真偽鑑別装置Info
- Publication number
- JP2001005968A JP2001005968A JP11176634A JP17663499A JP2001005968A JP 2001005968 A JP2001005968 A JP 2001005968A JP 11176634 A JP11176634 A JP 11176634A JP 17663499 A JP17663499 A JP 17663499A JP 2001005968 A JP2001005968 A JP 2001005968A
- Authority
- JP
- Japan
- Prior art keywords
- value
- pattern
- neural network
- output
- data
- 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.)
- Granted
Links
Landscapes
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
を高くすることができるようにする。 【解決手段】紙葉類のパターンを検出し、センサデータ
を発生させるパターン検出手段と、前記センサデータを
積分して積分値を算出する積分演算手段32と、前記積
分値を2値データの組から成る特徴パターンに変換する
特徴パターン変換手段34と、前記特徴パターンを入力
値とし、該入力値に従ってニューラルネット処理を行っ
て出力値を出力するニューラルネット処理手段35aと
を有する。この場合、積分値が2値データの組から成る
特徴パターンに変換され、該特徴パターンがニューラル
ネット処理手段35aの入力値となるので、紙葉類の特
徴が欠落することなくニューラルネット処理が行われ
る。
Description
装置に関するものである。
自動振込・預金・引出機等の自動機、又は有価証券、信
用証券、チケット、書類、印刷物等を扱う自動機におい
ては、紙幣、有価証券、信用証券、チケット、書類、印
刷物等の紙葉類の真偽を鑑別するために真偽鑑別装置が
提供されている。
よる真偽鑑別方法が用いられ、紙葉類、例えば、紙幣に
印刷された模様、図形等の画像の特徴をパターン化し、
パターンを構成する各画素データとあらかじめ設定され
た基準値とを比較することによって、紙幣の真偽を鑑別
するようにしている。
n)で走査したときの光学センサ、磁気センサ等のセン
サの出力信号、すなわち、センサデータをd(h)と
し、あらかじめ設定された下限値をdmin とし、上限値
をdmax としたとき、以下の式(1)が満たされるかど
うかを判断することによって紙幣の真偽が鑑別される。
紙幣は真券であると鑑別され、一つ以上の位置hにおい
て式(1)が満たされない場合、紙幣は偽券(リジェク
ト券)であると鑑別される。
来の真偽鑑別装置においては、紙幣とセンサとが離れす
ぎていたり、近付きすぎていたりする場合、紙幣の搬送
速度が一定でない場合、紙幣に折れ、汚れ、破れ、しわ
等がある場合等においては、センサデータd(h)にば
らつきが生じてしまう。そこで、ばらつきを考慮して、
下限値dmin を小さく、上限値dmax を大きく設定する
必要が生じるので、鑑別の精度がその分低くなってしま
う。
少なくするために、真偽鑑別装置を厳密に調整する必要
があるので、調整時間が長くなるだけでなく、真偽鑑別
装置のコストが高くなってしまう。
ットを真偽鑑別方法に適用することが考えられる。
ついて説明する。
ある。
入力層、13は中間層、14は出力層、18は最大値検
出手段である。前記積分演算手段11は、センサデータ
d(h)を受けると、該センサデータd(h)を積分し
てM×N個の積分値を算出し、算出された積分値を所定
の閾(しきい)値で2値化して、2値データを直接入力
層12の各ユニット15に対してそれぞれ出力する。
ータをそのまま出力値Oi として中間層13の各ユニッ
ト16に対して出力する。続いて、該各ユニット16
は、以下の式(2)〜(4)に従って積和演算及びニュ
ーラルネット入出力関数の演算を行い、出力値Oj を出
力層14の各ユニット17に対して出力する。なお、i
は前記ユニット15の番号、jは前記ユニット16の番
号である。
たとき、
(7)に従って積和演算及びニューラルネット入出力関
数の演算を行い、出力値O2j を最大値検出手段18に
対して出力する。
ちの最大値が検出される。ここで、前記各ユニット17
は判別カテゴリと1対1に対応していて、出力値O2j
のうちの最大値を採るユニット17が図示されない表示
部に表示される。
等の判別カテゴリとを対応させることによって、出力値
O2j のうちの最大値を採るユニット17の判別カテゴ
リを鑑別結果にすることができる。
は、積分演算手段11によって算出された積分値が2値
化されて入力層12に送られ、前記積分値と各ユニット
15とが1対1に対応していて、しかも、ニューラルネ
ットの入出力特性がステップ関数に近いので、前記積分
値は多値であっても、出力層14の出力値O2j はある
閾値を基準とした0又は1の2値になってしまう。した
がって、折れ、汚れ、破れ、しわ等の非線型なパターン
をノイズとして有する紙幣について真偽を鑑別しようと
すると、紙幣に印刷された画像の特徴を十分に捕捉する
ことができず、鑑別の精度がその分低くなってしまう。
置の問題点を解決して、センサデータにばらつきが生じ
ても鑑別の精度を高くすることができる紙葉類の真偽鑑
別装置を提供することを目的とする。
葉類の真偽鑑別装置においては、紙葉類のパターンを検
出し、センサデータを発生させるパターン検出手段と、
前記センサデータを積分して積分値を算出する積分演算
手段と、前記積分値を2値データの組から成る特徴パタ
ーンに変換する特徴パターン変換手段と、前記特徴パタ
ーンを入力値とし、該入力値に従ってニューラルネット
処理を行って出力値を出力するニューラルネット処理手
段とを有する。
て図面を参照しながら詳細に説明する。
真偽鑑別装置のブロック図である。
1のセンサ21、タイミング・スキュー値検出手段2
2、第2のセンサ23、横位置検出手段24、トラック
値検出手段25、フォト積分演算手段26、カテゴリ値
検出手段27、パターン検出手段としての第3のセンサ
28、アンプ29、A/D変換手段30、取込位置検出
手段31、積分演算手段32、圧縮変換手段33、特徴
パターン変換手段34、真偽鑑別手段35及び表示手段
36を備える。そして、前記真偽鑑別手段35は、ニュ
ーラルネット処理手段35a、荷重リファレンス記憶手
段35b、入出力関数テーブル35c及び判定手段35
dを備える。なお、スキュー値及びトラック値は紙葉
類、例えば、紙幣の搬送条件であり、スキュー値は図示
されない搬送路に対する紙幣の傾きを示し、トラック値
は搬送路上の紙幣の搬送位置を示す。また、タイミング
・スキュー値検出手段22及びトラック値検出手段25
によって搬送条件検出手段が構成される。
ダイオード等のトリガセンサであり、紙幣が真偽鑑別装
置に到達するとセンサデータを発生させ、該センサデー
タをタイミング・スキュー値検出手段22に送る。前記
第1のセンサ21は、紙幣の搬送路又は図示されない認
識装置内に左右1対配設される。そして、タイミング・
スキュー値検出手段22は、左右1対の第1のセンサ2
1のセンサデータに基づいて、紙幣が到達したことを検
出するとともに、各センサデータのタイミングの差に基
づいてスキュー値を検出する。
トセンサであり、紙幣を透過した光及び紙幣によって反
射された光に基づいて、紙幣に印刷された画像を検出す
るとセンサデータを発生させ、該センサデータを、横位
置検出手段24を介してトラック値検出手段25に送る
とともに、フォト積分演算手段26を介してカテゴリ値
検出手段27に送る。そして、前記トラック値検出手段
25は前記第2のセンサ23のセンサデータに基づいて
トラック値を検出する。また、前記カテゴリ値検出手段
27は、前記第2のセンサ23のセンサデータに基づい
て紙幣のカテゴリ値を検出する。
2、トラック値検出手段25及びカテゴリ値検出手段2
7の各センサデータは、真偽鑑別手段35内の荷重リフ
ァレンス記憶手段35bに送られ、該荷重リファレンス
記憶手段35b内にあらかじめ格納された、スキュー
値、トラック値及びカテゴリ値のうちの少なくとも一つ
に対応する荷重情報としての荷重データがニューラルネ
ット処理手段35aによって参照される。
素子(磁気ヘッド等)から成り、紙幣に印刷された画像
のパターン、例えば、磁気パターンを検出し、該磁気パ
ターンを電気に変換する。なお、本実施の形態において
は、第3のセンサ28として磁気センサが使用される
が、磁気センサに代えて反射センサ、透過センサ等のフ
ォトセンサを使用することもできる。そして、前記第3
のセンサ28は、磁気パターンを検出するとセンサデー
タを発生させ、該センサデータをアンプ29に送る。そ
して、該アンプ29は、第3のセンサ28のセンサデー
タを増幅する。
いて説明する。
トラック値の第1の説明図、図4は本発明の第1の実施
の形態におけるトラック値の第2の説明図、図5は本発
明の第1の実施の形態におけるトラック値の第3の説明
図、図6は本発明の第1の実施の形態における荷重テー
ブルの説明図、図7は本発明の第1の実施の形態におけ
るセンサデータのブロック化の説明図である。
2(図1)は、第1のセンサ21のセンサデータに基づ
いてスキュー値を検出し、トラック値検出手段25は、
第2のセンサ23のセンサデータに基づいてトラック値
を検出する。該トラック値は紙幣の搬送位置によって異
なる。すなわち、図3に示されるように、紙幣が搬送路
Tの左端を矢印方向に搬送される場合、トラック値は1
0になり、図4に示されるように、紙幣が搬送路Tの中
央を矢印方向に搬送される場合、トラック値は40にな
り、図5に示されるように、紙幣が搬送路Tの右端を矢
印方向に搬送される場合、トラック値は70になる。
のセンサ23のセンサデータに基づいてカテゴリ値を検
出する。なお、カテゴリ値を検出するために、例えば、
印刷パターンと基準パターンとの類似度を算出する方
法、個々の画素と基準値とを比較するエンベロープ法等
が用いられる。
内の図示されない荷重情報設定手段は、荷重リファレン
ス記憶手段35b内の図6に示されるような荷重テーブ
ルを参照して、スキュー値、トラック値及びカテゴリ値
の各条件に対応するアドレスをアクセスし、各条件に合
った荷重データを読み込む。
ク値が30であり、カテゴリ値が「千券、表、正立」で
あるとすると、荷重テーブルのアドレス000001b
0がアクセスされ、該アドレス000001b0に格納
された荷重データが読み込まれることになる。
て説明する。
定の位置に到達したことが検出されると、第3のセンサ
28は、作動状態に入る。そして、図示されないタイミ
ング検出回路によってタイミング信号が発生させられ、
紙幣が一定の距離を搬送されるごとに、又は一定の時間
が経過するごとに前記タイミング信号にパルスが出力さ
れ、前記第3のセンサ28は、前記タイミング信号に同
期させて磁気パターンを検出する。前記第3のセンサ2
8は、図示されない認識装置内に複数個配設され、磁気
パターンを所定の領域のポイントパターンとして検出す
る。例えば、搬送路Tにおいて、第3のセンサ28がセ
ンタ基準で左右に二つ配設されている場合、図7に示さ
れるように、磁気パターンが領域AR1、AR2に分割
されてポイントパターンとして検出され、第3のセンサ
28のセンサデータとして二つの磁気信号CH1、CH
2が発生させられる。そして、紙幣が搬送路Tを搬送さ
れると、搬送方向のライン状パターンが検出される。
プ29に送られて増幅され、増幅された磁気信号CH
1、CH2は、A/D変換手段30に送られてディジタ
ル値に変換され、該ディジタル値に変換された後の磁気
信号CH1、CH2はサンプルデータとして前記タイミ
ング信号に同期させて取込位置検出手段31に送られ
る。該取込位置検出手段31は、前記磁気信号CH1、
CH2ごとにサンプルデータを取り込み、積分演算手段
32に送る。該積分演算手段32は、スキュー値、トラ
ック値、印刷ずれ等の要因による磁気信号CH1、CH
2の変動を吸収するために、磁気信号CH1、CH2ご
と、及び適当な大きさのブロックごとに前記サンプルデ
ータを積分し、積分値(ブロックデータ)を算出する。
なお、図7においては、積分演算手段32によって各領
域AR1、AR2のサンプルデータが5個のブロックに
分けられて積分される。
た積分値は、圧縮変換手段33に送られ、該圧縮変換手
段33によって圧縮され、有効桁(けた)数が小さくさ
れて圧縮値になり、該圧縮値は、特徴パターン変換手段
34に送られ、所定の変換閾値に基づいて変換されて2
進数にされる。該2進数は、2値データの組から成り、
紙幣の画像の特徴を表す特徴パターンを構成する。な
お、圧縮変換手段33において、積分値は、紙幣の画像
の特徴を表すのに十分な圧縮値に圧縮される。したがっ
て、ニューラルネット処理手段35aに加わる負荷を小
さくすることができる。
積分演算手段及び圧縮変換手段の機能を説明する図であ
る。
れた、図7におけるブロック1の積分値が128である
とすると、該積分値は圧縮変換手段33によって圧縮さ
れて有効桁数が小さくされる。なお、本実施の形態にお
いては、1/32倍されて圧縮値は4になる。そして、
特徴パターン変換手段34によって、前記圧縮値4が2
進数に変換され、2値データの組(1、0、0)が形成
される。
手段34は、圧縮値4を変換することによって2値デー
タの組(1、0、0)を得るようになっているが、圧縮
値と2値データの組とを対応させたテーブルをあらかじ
め作成しておき、該テーブルを参照することによって2
値データの組を得るようにすることもできる。
圧縮変換手段33によって圧縮して圧縮値にした後、該
圧縮値を特徴パターン変換手段34に送るようにしてい
るが、積分値を特徴パターン変換手段34に直接送るこ
ともできる。
4によって得られた2値データの組(1、0、0)は、
真偽鑑別手段35(図1)内のニューラルネット処理手
段35aに送られる。
によって行われるニューラルネット処理について説明す
る。
ニューラルネットの概念図、図10は本発明の第1の実
施の形態におけるニューラルネットの入出力特性を示す
図である。なお、図10において、横軸に入力値を、縦
軸に出力値を採ってある。
が1/(1+e-x )であるときの入力値と出力値との関
係が示される。
ーラルネット処理手段35aとして3層の階層型のニュ
ーラルネットが利用される。そして、特徴パターン変換
手段34において得られた2値データの組(1、0、
0)は、入力層35a1 に送られ、前記入力層35a1
の各ユニット15に対してそれぞれ出力される。
ータの組(1、0、0)をそのまま中間層35a2 の各
ユニット16に対して出力する。続いて、該各ユニット
16は、以下の式(8)〜(10)に従って積和演算及
びニューラルネット入出力関数の演算を行い、出力値O
j を出力層35a3 の各ユニット17に対して出力す
る。なお、iは前記各ユニット15の番号、jは前記各
ユニット16の番号であり、前記ニューラルネット入出
力関数において、図10に示されるようなシグモイド関
数f(x)が使用される。該シグモイド関数f(x)の
値は、入出力関数テーブル35c(図1)に格納されて
いて、ニューラルネット処理手段35aによる処理が行
われるときに必要に応じて参照される。
(13)に従って積和演算及びニューラルネット入出力
関数の演算を行い、出力値O2j を判定手段35dに対
して出力する。
あらかじめ設定され判定手段35d内に格納されていた
スライス値とが比較される。そして、例えば、該スライ
ス値を0.7とし、真券の教師データを1とし、偽券の
教師データを0としてニューラルネットの学習を行った
とき、前記出力値O2j が0.7以上である場合、紙幣
は真券であり、前記出力値O2j が0.7より小さい場
合は偽券であると鑑別する。そして、鑑別結果は表示手
段36に表示される。
おいては、誤差逆伝播アルゴリズム(BP)法が使用さ
れ、出力値O2j が正しくなるまで、すなわち、出力値
O2 j とあらかじめ設定された教師データとの累積二乗
誤差がほぼ0になるまで繰り返し学習が実行される。
て説明する。
したときのk−1層(k=2、3、…、n−1)のユニ
ット(番号i=1、2、…)とk層のユニット(番号j
=1、2、…)との間の荷重修正量ΔpWij k-1 (m)
は次の式(14)によって算出される。なお、この場
合、図10に示されるシグモイド関数f(x)として、
f(x)=1/(1+e-x)が使用される。また、mは
学習回数を示す自定数である。
ユニットjの誤差 Oi k-1 :k−1層におけるユニットiの出力値 になる。なお、式(14)におけるηδpj k Oi k-1 は
誤差項、αΔWij k-1 (m−1)は慣性項であり、該慣
性項αΔWij k-1 (m−1)は、前回の荷重修正量Δp
Wij k-1 (m)に荷重定数αを乗算することによって算
出することができる。前記慣性項αΔWij k-1 (m−
1)が加算される分だけ、学習速度を高くすることがで
きる。
n は、 δpj n =(tpj n −Opj n )・Opj n ・(1−Opj n ) ……(15) tpj n :入力パターンpを入力したときの出力層におけ
るユニットjの教師データ Opj n ・(1−Opj n ):入力パターンpを入力したと
きの出力層におけるシグモイド関数f(x)の出力値の
微分値になる。
6)によって算出される。
のユニットsとの間の荷重値 Opj k ・(1−Opj k ):入力パターンpを入力したと
きの中間層におけるシグモイド関数f(x)の出力値の
微分値このように、誤差逆伝播アルゴリズム法を使用す
ることによって、出力層の各ユニットの誤差δpj n を入
力層に向けて順番にフィードバックすることができ、こ
れらの操作を繰り返し実行することによって、最終的に
はすべての入力パターンpについて誤差δpj n を限りな
く0に近づけることができる。
ルデータが積分され、積分値、又は圧縮変換手段33に
よって前記積分値の有効桁数が小さくされた後の圧縮値
が、所定の変換閾値に基づいて2進数に変換されるの
で、紙幣の画像の特徴が欠落することなくニューラルネ
ット処理手段35aに入力される。
離れすぎていたり、近付きすぎていたりする場合、紙幣
の搬送速度が一定でない場合、紙幣に折れ、汚れ、破
れ、しわ等がある場合等にセンサデータにばらつきが生
じても、鑑別の精度を高くすることができる。
説明する。なお、第1の実施の形態と同じ構造を有する
ものについては、同じ符号を付与することによってその
説明を省略する。
る真偽鑑別装置のブロック図、図12は本発明の第2の
実施の形態におけるニューラルネットの概念図、図13
は本発明の第2の実施の形態における荷重テーブルの説
明図である。
真偽鑑別手段45は、ニューラルネット処理手段45
a、荷重リファレンス記憶手段45b、入出力関数テー
ブル45c及び判定手段45dを備え、前記ニューラル
ネット処理手段45aは入力層45a1 、中間層45a
2 及び出力層45a3 を備える。
によって検出されたスキュー値、トラック値検出手段2
5によって検出されたトラック値及びカテゴリ値検出手
段27によって検出されたカテゴリ値は、第1の実施の
形態のように荷重リファレンス記憶手段35bに送られ
ることはない。
縮されて圧縮値になり、該圧縮値は、特徴パターン変換
手段64によって変換されて2値データの組になってニ
ューラルネット処理手段45aに送られる。また、トラ
ック値は圧縮変換手段62によって圧縮されて圧縮値に
なり、該圧縮値は、特徴パターン変換手段65によって
変換されて2値データの組になって前記ニューラルネッ
ト処理手段45aに送られる。そして、カテゴリ値は圧
縮変換手段63によって圧縮されて圧縮値になり、該圧
縮値は、特徴パターン変換手段66によって変換されて
2値データの組になって前記ニューラルネット処理手段
45aに送られる。
重テーブルにおいては、すべてのスキュー値、トラック
値及びカテゴリ値に対して不変な一つだけの荷重データ
が一つのアドレス00000000に格納されるので、
テーブル容量を小さくすることができる。例えば、前記
第1の実施の形態における図6に示される荷重テーブル
と比較すると、テーブル容量を1/192にすることが
できる。したがって、テーブル容量を小さくすることが
できる分だけメモリ容量を小さくすることができる。
ュー値、トラック値及びカテゴリ値に対応させて複数の
荷重データが設定されるので、各荷重データごとに誤差
逆伝播アルゴリズム法の学習を行う必要があるが、本実
施の形態においては、一回のニューラルネット処理です
べてのスキュー値、トラック値及びカテゴリ値について
の学習を行うことができる。したがって、学習時間を短
くすることができる。
値、トラック値及びカテゴリ値のすベてがニューラルネ
ット処理手段45aに送られるようになっているが、ス
キュー値、トラック値及びカテゴリ値のうちの一つまた
は二つをニューラルネット処理手段45aに送るだけで
もよい。
おいては、紙幣が偽券であると鑑別された場合、紙幣の
どの部分が原因で偽券であると鑑別されたかを知ること
ができない。
ると鑑別されたかを知ることができるようにした第3の
実施の形態について説明する。なお、第1の実施の形態
と同じ構造を有するものについては、同じ符号を付与す
ることによってその説明を省略する。
るニューラルネットの概念図、図15は本発明の第3の
実施の形態における特徴パターンと教師データとの関係
を示す図、図16は本発明の第3の実施の形態における
出力値と鑑別結果との関係図である。
のセンサ28(図11)は紙幣の搬送路又は図示されな
い認識装置内に左右1対配設される。そして、磁気信号
CH1側(図14では、単に「CH1側」と表す。)の
サンプルデータは、積分演算手段32aによって積分さ
れて積分値になり、該積分値は圧縮変換手段33aによ
って圧縮されて圧縮値になり、該圧縮値は、特徴パター
ン変換手段34aによって所定の変換閾値に基づいて変
換され、2値データの組になってニューラルネット処理
手段35aに送られる。また、磁気信号CH2側(図1
4では、単に「CH2側」と表す。)のサンプルデータ
は、積分演算手段32bによって積分されて積分値にな
り、該積分値は圧縮変換手段33bによって圧縮されて
圧縮値になり、該圧縮値は、特徴パターン変換手段34
bによって所定の変換閾値に基づいて変換され、2値デ
ータの組になってニューラルネット処理手段35aに送
られる。
ては、ケース1〜4について、図15に示されるような
学習パターンに従って学習が行われ、図16に示される
ような鑑別結果が得られるように荷重データが設定され
る。
側の特徴パターンが正常であるとき、出力層35a3 の
磁気信号CH1側のユニット17の教師データは1(又
は1に相当する値)であり、入力層35a1 の磁気信号
CH1側の特徴パターンが異常であるとき、出力層35
a3 の磁気信号CH1側のユニット17の教師データは
0(又は0に相当する値)である。また、入力層35a
1 の磁気信号CH2側の特徴パターンが正常であると
き、出力層35a3 の磁気信号CH2側のユニット17
の教師データは1(又は1に相当する値)であり、入力
層35a1 の磁気信号CH2側の特徴パターンが異常で
あるとき、出力層35a3 の磁気信号CH2側のユニッ
ト17の教師データは0(又は0に相当する値)であ
る。
って、紙幣の真偽を鑑別することができる。例えば、図
16に示されるような出力値が得られると、ケース1に
ついては真券であると鑑別され、ケース2については偽
券であり、かつ、領域AR1(図7)の特徴パターンに
異常があると判断される。また、ケース3については偽
券であり、かつ、領域AR2の特徴パターンに異常があ
ると判断される。そして、ケース4については偽券であ
り、かつ、領域AR1、AR2の特徴パターンに異常が
あると判断される。なお、本実施の形態においては、鑑
別のスライス値は0.7に設定される。
配設され、各ユニット17と各第3のセンサ28とが対
応させられるので、各ユニット17が興奮状態(1)に
あるか抑制状態(0)にあるかを判断することによっ
て、各第3のセンサ28ごとに特徴パターンが正常であ
るか異常であるかを鑑別することができる。したがっ
て、紙幣が偽券であると鑑別された場合、紙幣のどの部
分が原因で偽券であると鑑別されたかを知ることができ
る。
センサ28ごとに特徴パターンが正常であるか異常であ
るかを鑑別するようになっているが、磁気信号CH1、
CH2を更に細かく分割し、分割された磁気信号ごとに
特徴パターンが正常であるか異常であるかを鑑別するこ
とができる。
徴パターン変換手段34、34a、34bは、積分演算
手段32、32a、32bにおいて演算された積分値、
又は該積分値を圧縮することによって得られた圧縮値
を、所定の変換閾値に基づいて変換して2値データの組
から成る2進数にするが、前記積分値は、スキュー値、
トラック値、カテゴリ値等の鑑別条件が変動するのに伴
って変動するので、前記積分値又は圧縮値を前記変換閾
値に基づいて一律に変換すると、鑑別条件によっては出
力値が飽和して、鑑別の精度が低くなることがある。
別の精度を高くすることができるようにした本発明の第
4の実施の形態について説明する。なお、第2の実施の
形態と同じ構造を有するものについては、同じ符号を付
与することによってその説明を省略する。
る真偽鑑別装置のブロック図、図18は本発明の第4の
実施の形態における積分値の変動を示す図である。な
お、図18において、横軸にブロック番号を、縦軸に各
ブロックの最大の積分値を採ってある。
4度であり、トラック値が20であり、カテゴリ値が
「万券、表、正立」である第1の鑑別条件における各ブ
ロックの最大の積分値を、破線は、スキュー値が4度で
あり、トラック値が40であり、カテゴリ値が「千券、
裏、倒立」である第2の鑑別条件における各ブロックの
最大の積分値を示す。
2において演算された積分値は、スキュー値、トラック
値、カテゴリ値等の鑑別条件が変動するのに伴って変動
する。
ー値、トラック値及びカテゴリ値を読み込み、図示され
ない変換閾値テーブルを参照して、前記スキュー値、ト
ラック値及びカテゴリ値に対応する変換閾値を算出して
設定し、特徴パターン変換手段34に送る。
算出し、該最大の積分値を前記特徴パターン変換手段3
4における特徴パターンのレンジ幅の最大値にする。例
えば、前記レンジ幅を0〜7としたとき、第1の鑑別条
件における最大の積分値2000が特徴パターンのレン
ジ7に、第2の鑑別条件における最大の積分値500が
特徴パターンのレンジ7になるように変換閾値が設定さ
れる。
値が設定されるので、出力値が飽和することがなく、鑑
別の精度を高くすることができる。
は、スキュー値、トラック値及びカテゴリ値のすべてに
対応させて設定されるが、スキュー値、トラック値及び
カテゴリ値のうちの一つ又は二つに対応させて設定する
だけでもよい。
説明する。なお、第1の実施の形態と同じ構造を有する
ものについては、同じ符号を付与することによってその
説明を省略する。
る積分値の分布を示す図、図20は本発明の第5の実施
の形態における学習パターンと教師データとの関係を示
す図である。なお、図19において、横軸に積分値を、
縦軸に度数を採ってある。
所定のブロックにおける積分値の分布が示される。そし
て、真偽鑑別手段35(図1)内の図示されない学習手
段は、積分値の平均値Mを中心にして、左右に所定距離
離れた点の積分値を上限境界値+2σ及び下限境界値−
2σとして設定し、上限境界値+2σ及び下限境界値−
2σを偽券の教師データとして学習させる。なお、σは
標準偏差である。そして、前記学習手段は、図20に示
されるような関係を各鑑別条件ごとに設定し、必要な学
習パターンの数を決定して、各学習パターンを学習す
る。
て偽券の学習が行われるので、荷重データは統計的な確
率に基づいたものになる。したがって、必要最小限の学
習パターンで精度が高く、効率の良い学習を行うことが
できる。
を行うことができるので、例えば、定数nを変化させる
ことによって、鑑別精度の評価基準を明確に設定するこ
とができる。
集等によって多くのサンプルデータを収集し、該サンプ
ルデータを学習パターンにする。この場合の出力層35
a3(図9)の出力値の教師データは、磁気信号CH1
側及び磁気信号CH2側のいずれも1にされる。
るものではなく、本発明の趣旨に基づいて種々変形させ
ることが可能であり、それらを本発明の範囲から排除す
るものではない。
れば、紙葉類の真偽鑑別装置においては、紙葉類のパタ
ーンを検出し、センサデータを発生させるパターン検出
手段と、前記センサデータを積分して積分値を算出する
積分演算手段と、前記積分値を2値データの組から成る
特徴パターンに変換する特徴パターン変換手段と、前記
特徴パターンを入力値とし、該入力値に従ってニューラ
ルネット処理を行って出力値を出力するニューラルネッ
ト処理手段とを有する。
る特徴パターンに変換され、該特徴パターンがニューラ
ルネット処理手段の入力値となるので、紙葉類の特徴が
欠落することなくニューラルネット処理が行われる。
が離れすぎていたり、近付きすぎていたりする場合、紙
葉類の搬送速度が一定でない場合、紙葉類に折れ、汚
れ、破れ、しわ等がある場合等にセンサデータにばらつ
きが生じても、鑑別の精度を高くすることができる。
置のブロック図である。
の第1の説明図である。
の第2の説明図である。
の第3の説明図である。
ルの説明図である。
タのブロック化の説明図である。
段及び圧縮変換手段の機能を説明する図である。
ネットの概念図である。
ルネットの入出力特性を示す図である。
装置のブロック図である。
ルネットの概念図である。
ブルの説明図である。
ルネットの概念図である。
ーンと教師データとの関係を示す図である。
鑑別結果との関係図である。
装置のブロック図である。
変動を示す図である。
分布を示す図である。
ーンと教師データとの関係を示す図である。
換手段 35 真偽鑑別手段 35a、45a ニューラルネット処理手段 35a1 、45a1 入力層 35a3 、45a3 出力層 36 表示手段 AR1、AR2 領域 CH1、CH2 磁気信号 M 平均値 +2σ 上限境界値 −2σ 下限境界値
Claims (6)
- 【請求項1】 (a)紙葉類のパターンを検出し、セン
サデータを発生させるパターン検出手段と、(b)前記
センサデータを積分して積分値を算出する積分演算手段
と、(c)前記積分値を2値データの組から成る特徴パ
ターンに変換する特徴パターン変換手段と、(d)前記
特徴パターンを入力値とし、該入力値に従ってニューラ
ルネット処理を行って出力値を出力するニューラルネッ
ト処理手段とを有することを特徴とする紙葉類の真偽鑑
別装置。 - 【請求項2】 (a)前記紙葉類のカテゴリ値を検出す
るカテゴリ値検出手段と、(b)前記紙葉類の搬送条件
を検出する搬送条件検出手段と、(c)前記カテゴリ値
及び搬送条件のうちの少なくとも一方によって荷重情報
を設定する荷重情報設定手段とを有する請求項1に記載
の紙葉類の真偽鑑別装置。 - 【請求項3】 前記ニューラルネット処理手段の入力層
には、特徴パターンのほかに、カテゴリ値及び搬送条件
のうちの少なくとも一方が入力される請求項1に記載の
紙葉類の真偽鑑別装置。 - 【請求項4】 (a)前記紙葉類のパターンは複数の領
域に分割され、(b)前記ニューラルネット処理手段の
出力層から、領域ごとの出力値が出力される請求項1に
記載の紙葉類の真偽鑑別装置。 - 【請求項5】 (a)前記特徴パターン変換手段は、変
換閾値に基づいて積分値を特徴パターンに変換し、
(b)前記変換閾値は、前記カテゴリ値及び搬送条件の
うちの少なくとも一方に対応させて設定される請求項1
に記載の紙葉類の真偽鑑別装置。 - 【請求項6】 前記積分値の分布の平均値を中心として
所定距離離れた点の積分値を上限境界値及び下限境界値
として設定し、前記上限境界値及び下限境界値を偽券の
教師データとして学習させる学習手段を有する請求項1
に記載の紙葉類の真偽鑑別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP17663499A JP4306027B2 (ja) | 1999-06-23 | 1999-06-23 | 紙葉類の真偽鑑別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP17663499A JP4306027B2 (ja) | 1999-06-23 | 1999-06-23 | 紙葉類の真偽鑑別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2001005968A true JP2001005968A (ja) | 2001-01-12 |
JP4306027B2 JP4306027B2 (ja) | 2009-07-29 |
Family
ID=16017020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP17663499A Expired - Fee Related JP4306027B2 (ja) | 1999-06-23 | 1999-06-23 | 紙葉類の真偽鑑別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4306027B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259977A (ja) * | 2001-02-26 | 2002-09-13 | Nidec Copal Corp | 読取装置 |
JP2009009488A (ja) * | 2007-06-29 | 2009-01-15 | Fuji Xerox Co Ltd | 真偽判定装置及び真偽判定プログラム |
KR101925913B1 (ko) | 2017-07-07 | 2018-12-06 | (주)싸이언테크 | 이미지의 진위 판별 시스템 및 그 방법 |
-
1999
- 1999-06-23 JP JP17663499A patent/JP4306027B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259977A (ja) * | 2001-02-26 | 2002-09-13 | Nidec Copal Corp | 読取装置 |
JP2009009488A (ja) * | 2007-06-29 | 2009-01-15 | Fuji Xerox Co Ltd | 真偽判定装置及び真偽判定プログラム |
KR101925913B1 (ko) | 2017-07-07 | 2018-12-06 | (주)싸이언테크 | 이미지의 진위 판별 시스템 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP4306027B2 (ja) | 2009-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3655451B2 (ja) | 紙葉鑑別装置 | |
KR100719608B1 (ko) | 지폐 일련번호 인식 방법 및 장치 | |
CN1685373B (zh) | 钞票的识别方法和识别装置 | |
KR100718728B1 (ko) | 지폐 권종 인식 방법 및 장치 | |
KR100893613B1 (ko) | 지폐 및 바코드가 표시된 유가증권의 인식계수방법과 그장치 | |
JP4105694B2 (ja) | 紙片鑑別装置、紙片鑑別方法及びプログラム | |
WO2004023402A1 (ja) | 紙葉類特徴検出装置及び紙葉類特徴検出方法 | |
JP3366438B2 (ja) | 紙葉類の種類識別方法 | |
JP4427132B2 (ja) | 競合型ニューラルネットワークを用いた紙葉類の識別方法 | |
JP2001331839A (ja) | 紙幣識別方法及び装置 | |
JP2006293464A (ja) | 有価証券判別装置 | |
JP4306027B2 (ja) | 紙葉類の真偽鑑別装置 | |
JPH09330449A (ja) | 媒体識別装置 | |
JP2002092683A (ja) | 媒体真偽鑑別装置 | |
JP3351639B2 (ja) | ランダムマスク方式による紙葉類のニューロ識別/正損分離装置 | |
JP3362087B2 (ja) | 紙葉類鑑別装置 | |
CN107346575A (zh) | 一种纸币或者票券的鉴伪方法 | |
JP2791213B2 (ja) | 紙幣処理装置 | |
JP2647238B2 (ja) | 紙幣判別装置 | |
JP2001005963A (ja) | ニューラルネットによる媒体の真偽判別システム及びニューラルネット荷重作成方法 | |
JP3187698B2 (ja) | 紙葉類認識装置 | |
JP2004303191A (ja) | 紙葉類取扱装置 | |
JP2635994B2 (ja) | 紙幣識別装置 | |
JPH10171993A (ja) | 媒体の真偽鑑別装置 | |
JP3542200B2 (ja) | 紙幣識別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090312 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090414 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090427 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130515 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140515 Year of fee payment: 5 |
|
LAPS | Cancellation because of no payment of annual fees |