JP3362087B2 - 紙葉類鑑別装置 - Google Patents
紙葉類鑑別装置Info
- Publication number
- JP3362087B2 JP3362087B2 JP15322695A JP15322695A JP3362087B2 JP 3362087 B2 JP3362087 B2 JP 3362087B2 JP 15322695 A JP15322695 A JP 15322695A JP 15322695 A JP15322695 A JP 15322695A JP 3362087 B2 JP3362087 B2 JP 3362087B2
- Authority
- JP
- Japan
- Prior art keywords
- output
- input
- paper sheet
- discriminating
- image pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
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
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/06—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using wave or particle radiation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、自動入出金機、自動販
売機等に配設される紙葉類鑑別装置に関するものであ
る。
売機等に配設される紙葉類鑑別装置に関するものであ
る。
【０００２】
【従来の技術】従来、自動入出金機、自動販売機等にお
いては、顧客によって投入された紙幣の金種、表裏、真
偽等を判別するための処理が行われるようになってい
る。そのために、紙葉類鑑別装置として紙幣鑑別装置が
配設される。該紙幣鑑別装置においては、投入された紙
幣に印刷された模様、図形等による、反射光、透過光等
の光学的なパターン、又は紙幣の印刷に使用された磁性
インクによる磁気的なパターンが検出され、検出された
パターン（以下「検出パターン」という。）とあらかじ
め設定された基準値とを比較し、類似度の大小によっ
て、又は類似度の大小と紙幣の外形寸法の検出結果とを
組み合わせることによって、紙幣の鑑別を行うようにな
っている。
いては、顧客によって投入された紙幣の金種、表裏、真
偽等を判別するための処理が行われるようになってい
る。そのために、紙葉類鑑別装置として紙幣鑑別装置が
配設される。該紙幣鑑別装置においては、投入された紙
幣に印刷された模様、図形等による、反射光、透過光等
の光学的なパターン、又は紙幣の印刷に使用された磁性
インクによる磁気的なパターンが検出され、検出された
パターン（以下「検出パターン」という。）とあらかじ
め設定された基準値とを比較し、類似度の大小によっ
て、又は類似度の大小と紙幣の外形寸法の検出結果とを
組み合わせることによって、紙幣の鑑別を行うようにな
っている。
【０００３】例えば、光学的なパターンを検出するため
には、ＬＥＤ（発光ダイオード）、ホトダイオード、ホ
トトランジスタ等のセンサが使用され、また、磁気的な
パターンを検出するためには、磁気ヘッド等が使用され
る。ところで、投入された紙幣の鑑別は金種及び表裏の
判別と、真偽の判別との二つの段階に分けて行われる。
には、ＬＥＤ（発光ダイオード）、ホトダイオード、ホ
トトランジスタ等のセンサが使用され、また、磁気的な
パターンを検出するためには、磁気ヘッド等が使用され
る。ところで、投入された紙幣の鑑別は金種及び表裏の
判別と、真偽の判別との二つの段階に分けて行われる。
【０００４】まず、検出パターンのうち、透かしの位置
のように金種及び表裏による差が大きい部分（以下「特
徴点」という。）については、検出パターンとあらかじ
め設定された基準値とを比較し、紙幣の金種及び表裏の
判別を２分岐方式によって行う。続いて、検出パターン
と金種ごと及び表裏ごとにあらかじめ設定された基準値
とを比較し、類似度の大小によって真偽の判別を行う。
のように金種及び表裏による差が大きい部分（以下「特
徴点」という。）については、検出パターンとあらかじ
め設定された基準値とを比較し、紙幣の金種及び表裏の
判別を２分岐方式によって行う。続いて、検出パターン
と金種ごと及び表裏ごとにあらかじめ設定された基準値
とを比較し、類似度の大小によって真偽の判別を行う。
【０００５】図２は従来の紙幣鑑別装置のブロック図で
ある。図に示すように、紙幣鑑別装置は、検出手段１
１、記憶手段１２、２分岐金種判別手段１３及び真偽判
別手段１４から成る。前記検出手段１１は、投入された
紙葉類としての紙幣に印刷された模様、図形等による、
反射光、透過光等の光学的なパターン、又は紙幣の印刷
に使用された磁性インクによる磁気的なパターンを検出
し、検出信号を出力する。そして、前記検出手段１１
は、紙幣の金種及び表裏による検出パターンの差が大き
くなる部分にあらかじめ配設される。
ある。図に示すように、紙幣鑑別装置は、検出手段１
１、記憶手段１２、２分岐金種判別手段１３及び真偽判
別手段１４から成る。前記検出手段１１は、投入された
紙葉類としての紙幣に印刷された模様、図形等による、
反射光、透過光等の光学的なパターン、又は紙幣の印刷
に使用された磁性インクによる磁気的なパターンを検出
し、検出信号を出力する。そして、前記検出手段１１
は、紙幣の金種及び表裏による検出パターンの差が大き
くなる部分にあらかじめ配設される。
【０００６】また、前記記憶手段１２は、検出手段１１
の検出パターンを一時的に格納するメモリから成る。そ
して、前記２分岐金種判別手段１３は、記憶手段１２か
ら読み出した検出パターンとあらかじめ設定された基準
値との特徴点を比較することによって、投入された紙幣
の金種の判別を行う。
の検出パターンを一時的に格納するメモリから成る。そ
して、前記２分岐金種判別手段１３は、記憶手段１２か
ら読み出した検出パターンとあらかじめ設定された基準
値との特徴点を比較することによって、投入された紙幣
の金種の判別を行う。
【０００７】また、前記真偽判別手段１４は、検出パタ
ーンの全部又は一部と、金種ごと及び表裏ごとにあらか
じめ設定された基準値との特徴点を比較することによっ
て、投入された紙幣の真偽の判別を行う。そして、前記
２分岐金種判別手段１３による紙幣の金種判別結果、及
び前記真偽判別手段１４による紙幣の真偽判別結果は図
示しない上位装置に対して出力される。
ーンの全部又は一部と、金種ごと及び表裏ごとにあらか
じめ設定された基準値との特徴点を比較することによっ
て、投入された紙幣の真偽の判別を行う。そして、前記
２分岐金種判別手段１３による紙幣の金種判別結果、及
び前記真偽判別手段１４による紙幣の真偽判別結果は図
示しない上位装置に対して出力される。
【０００８】次に、前記構成の紙幣鑑別装置の動作につ
いて説明する。まず、検出手段１１は、投入された紙幣
の光学的又は磁気的なパターンを検出し、検出パターン
を記憶手段１２に格納する。そして、２分岐金種判別手
段１３は、記憶手段１２から読み出した検出パターンに
基づいて、検出パターンとあらかじめ設定された複数の
基準値との特徴点を比較し、投入された紙幣の金種及び
表裏を２分岐方式によって判別し、金種判別結果を前記
上位装置及び真偽判別手段１４に対して出力する。
いて説明する。まず、検出手段１１は、投入された紙幣
の光学的又は磁気的なパターンを検出し、検出パターン
を記憶手段１２に格納する。そして、２分岐金種判別手
段１３は、記憶手段１２から読み出した検出パターンに
基づいて、検出パターンとあらかじめ設定された複数の
基準値との特徴点を比較し、投入された紙幣の金種及び
表裏を２分岐方式によって判別し、金種判別結果を前記
上位装置及び真偽判別手段１４に対して出力する。
【０００９】また、該真偽判別手段１４は、２分岐金種
判別手段１３からの金種判別結果に基づいて、記憶手段
１２の検出パターンと該当する金種の基準値とを比較す
ることによって紙幣の真偽の判別を行い、真偽判別結果
を前記上位装置に対して出力する。
判別手段１３からの金種判別結果に基づいて、記憶手段
１２の検出パターンと該当する金種の基準値とを比較す
ることによって紙幣の真偽の判別を行い、真偽判別結果
を前記上位装置に対して出力する。
【００１０】
【発明が解決しようとする課題】しかしながら、前記従
来の紙幣鑑別装置においては、紙幣の金種及び表裏によ
る検出パターンの差が大きくなる部分に検出手段１１が
配設されるようになっているので、紙幣の改刷、取扱金
種の変更等によって紙幣の模様、図形等が変わると、検
出手段１１を配設する位置を変更しなければならない。
来の紙幣鑑別装置においては、紙幣の金種及び表裏によ
る検出パターンの差が大きくなる部分に検出手段１１が
配設されるようになっているので、紙幣の改刷、取扱金
種の変更等によって紙幣の模様、図形等が変わると、検
出手段１１を配設する位置を変更しなければならない。
【００１１】したがって、紙幣鑑別装置の構造を変更す
る必要が生じ、コストが高くなってしまう。本発明は、
前記従来の紙幣鑑別装置の問題点を解決して、紙幣が改
刷されたり、取扱金種が変更になったりしても容易に対
応することができる紙葉類鑑別装置を提供することを目
的とする。
る必要が生じ、コストが高くなってしまう。本発明は、
前記従来の紙幣鑑別装置の問題点を解決して、紙幣が改
刷されたり、取扱金種が変更になったりしても容易に対
応することができる紙葉類鑑別装置を提供することを目
的とする。
【００１２】
【課題を解決するための手段】そのために、本発明の紙
葉類鑑別装置においては、紙葉類の全面のイメージパタ
ーンを検出するイメージ検出手段と、該イメージ検出手
段によって検出されたイメージパターンを格納する記憶
手段と、該記憶手段に格納されたイメージパターンの各
セルごとの値が入力されるニューラルネット紙葉類判別
手段と、該ニューラルネット紙葉類判別手段の紙葉類判
別結果に基づいて、基準値と前記記憶手段に格納された
イメージパターンとを比較して類似度を求め、該類似度
によって紙葉類の真偽を判別する真偽判別手段とを有す
る。
葉類鑑別装置においては、紙葉類の全面のイメージパタ
ーンを検出するイメージ検出手段と、該イメージ検出手
段によって検出されたイメージパターンを格納する記憶
手段と、該記憶手段に格納されたイメージパターンの各
セルごとの値が入力されるニューラルネット紙葉類判別
手段と、該ニューラルネット紙葉類判別手段の紙葉類判
別結果に基づいて、基準値と前記記憶手段に格納された
イメージパターンとを比較して類似度を求め、該類似度
によって紙葉類の真偽を判別する真偽判別手段とを有す
る。
【００１３】そして、前記ニューラルネット紙葉類判別
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
【００１４】
【作用】本発明によれば、前記のように紙葉類鑑別装置
においては、紙葉類の全面のイメージパターンを検出す
るイメージ検出手段と、該イメージ検出手段によって検
出されたイメージパターンを格納する記憶手段と、該記
憶手段に格納されたイメージパターンの各セルごとの値
が入力されるニューラルネット紙葉類判別手段と、該ニ
ューラルネット紙葉類判別手段の紙葉類判別結果に基づ
いて、基準値と前記記憶手段に格納されたイメージパタ
ーンとを比較して類似度を求め、該類似度によって紙葉
類の真偽を判別する真偽判別手段とを有する。
においては、紙葉類の全面のイメージパターンを検出す
るイメージ検出手段と、該イメージ検出手段によって検
出されたイメージパターンを格納する記憶手段と、該記
憶手段に格納されたイメージパターンの各セルごとの値
が入力されるニューラルネット紙葉類判別手段と、該ニ
ューラルネット紙葉類判別手段の紙葉類判別結果に基づ
いて、基準値と前記記憶手段に格納されたイメージパタ
ーンとを比較して類似度を求め、該類似度によって紙葉
類の真偽を判別する真偽判別手段とを有する。
【００１５】そして、前記ニューラルネット紙葉類判別
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
【００１６】この場合、前記イメージ検出手段によって
紙葉類の全面のイメージパターンが検出され、検出され
たイメージパターンは記憶手段に格納される。そして、
前記ニューラルネット紙葉類判別手段は、記憶手段に格
納されたイメージパターンを読み出し、該イメージパタ
ーンに基づいて紙葉類の判別を行い、紙葉類判別結果を
出力する。また、前記真偽判別手段は、紙葉類判別結果
に基づいて、基準値とイメージパターンとを比較して類
似度を求め、該類似度によって紙葉類の真偽を判別す
る。
紙葉類の全面のイメージパターンが検出され、検出され
たイメージパターンは記憶手段に格納される。そして、
前記ニューラルネット紙葉類判別手段は、記憶手段に格
納されたイメージパターンを読み出し、該イメージパタ
ーンに基づいて紙葉類の判別を行い、紙葉類判別結果を
出力する。また、前記真偽判別手段は、紙葉類判別結果
に基づいて、基準値とイメージパターンとを比較して類
似度を求め、該類似度によって紙葉類の真偽を判別す
る。
【００１７】そして、前記入力層の入力ユニットに、イ
メージパターンの各セルごとの値が入力されると、ニュ
ーラルネット演算手段によって演算が行われ、演算結果
が出力層のニューロンユニットから出力される。また、
出力判別手段は、前記出力層のニューロンユニットのす
べての出力に対応させて紙葉類判別結果を出力する。
メージパターンの各セルごとの値が入力されると、ニュ
ーラルネット演算手段によって演算が行われ、演算結果
が出力層のニューロンユニットから出力される。また、
出力判別手段は、前記出力層のニューロンユニットのす
べての出力に対応させて紙葉類判別結果を出力する。
【００１８】
【実施例】以下、本発明の実施例について図面を参照し
ながら詳細に説明する。図１は本発明の第１の実施例に
おける紙幣鑑別装置のブロック図である。図に示すよう
に、紙幣鑑別装置は、イメージ検出手段１５、記憶手段
１２、ニューラルネット紙葉類判別手段としてのニュー
ラルネット金種判別手段１６及び真偽判別手段１４から
成る。
ながら詳細に説明する。図１は本発明の第１の実施例に
おける紙幣鑑別装置のブロック図である。図に示すよう
に、紙幣鑑別装置は、イメージ検出手段１５、記憶手段
１２、ニューラルネット紙葉類判別手段としてのニュー
ラルネット金種判別手段１６及び真偽判別手段１４から
成る。
【００１９】前記イメージ検出手段１５は、投入された
紙葉類としての紙幣に印刷された模様、図形等による、
反射光、透過光等の光学的なイメージパターン、又は紙
幣の印刷に使用された磁性インクによる磁気的なイメー
ジパターンを検出し、検出信号を出力する。そして、イ
メージ検出手段１５は、発光ダイオード、ＣＣＤ、ホト
ダイオードアレイ等の光電変換素子、又は磁気ヘッドア
レイ等の磁電変換素子によって構成され、鑑別の対象に
なる紙幣について、その全面にわたって物理的なイメー
ジパターンを検出することができるようになっている。
紙葉類としての紙幣に印刷された模様、図形等による、
反射光、透過光等の光学的なイメージパターン、又は紙
幣の印刷に使用された磁性インクによる磁気的なイメー
ジパターンを検出し、検出信号を出力する。そして、イ
メージ検出手段１５は、発光ダイオード、ＣＣＤ、ホト
ダイオードアレイ等の光電変換素子、又は磁気ヘッドア
レイ等の磁電変換素子によって構成され、鑑別の対象に
なる紙幣について、その全面にわたって物理的なイメー
ジパターンを検出することができるようになっている。
【００２０】前記記憶手段１２はバッファメモリによっ
て構成され、イメージ検出手段１５の出力側に接続さ
れ、前記イメージ検出手段１５によって検出されたイメ
ージパターン（以下「検出イメージパターン」とい
う。）を一時的に格納する。また、前記ニューラルネッ
ト金種判別手段１６は、記憶手段１２の出力側に接続さ
れ、投入された紙幣の金種をニューラルネットワークに
よって判別する。
て構成され、イメージ検出手段１５の出力側に接続さ
れ、前記イメージ検出手段１５によって検出されたイメ
ージパターン（以下「検出イメージパターン」とい
う。）を一時的に格納する。また、前記ニューラルネッ
ト金種判別手段１６は、記憶手段１２の出力側に接続さ
れ、投入された紙幣の金種をニューラルネットワークに
よって判別する。
【００２１】また、前記真偽判別手段１４は、記憶手段
１２に格納された検出イメージパターンの全部又は一部
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、投入された紙幣の真偽を判別する。そして、前記
ニューラルネット金種判別手段１６による紙幣の金種判
別結果、及び前記真偽判別手段１４による紙幣の真偽判
別結果は図示しない上位装置に対して出力される。
１２に格納された検出イメージパターンの全部又は一部
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、投入された紙幣の真偽を判別する。そして、前記
ニューラルネット金種判別手段１６による紙幣の金種判
別結果、及び前記真偽判別手段１４による紙幣の真偽判
別結果は図示しない上位装置に対して出力される。
【００２２】次に、前記ニューラルネット金種判別手段
１６について説明する。図３は本発明の第１の実施例に
おけるニューラルネット金種判別手段のブロック図であ
る。図に示すように、ニューラルネット金種判別手段１
６（図１）は、ニューラルネット演算手段として演算を
行うニューラルネット演算部１７、及び演算結果をまと
める出力判別手段としての最大値判別手段２１から成
る。前記ニューラルネット演算部１７は、３層のパーセ
プトロン構造を有し、入力層１８、中間層１９及び出力
層２０から成り、前記入力層１８は複数の入力ユニット
２４によって、中間層１９及び出力層２０は複数のニュ
ーロンユニット２３によって構成される。
１６について説明する。図３は本発明の第１の実施例に
おけるニューラルネット金種判別手段のブロック図であ
る。図に示すように、ニューラルネット金種判別手段１
６（図１）は、ニューラルネット演算手段として演算を
行うニューラルネット演算部１７、及び演算結果をまと
める出力判別手段としての最大値判別手段２１から成
る。前記ニューラルネット演算部１７は、３層のパーセ
プトロン構造を有し、入力層１８、中間層１９及び出力
層２０から成り、前記入力層１８は複数の入力ユニット
２４によって、中間層１９及び出力層２０は複数のニュ
ーロンユニット２３によって構成される。
【００２３】そして、ニューラルネット演算部１７の入
力側は記憶手段１２の出力側に接続され、該記憶手段１
２に格納された検出イメージパターンがそのまま入力層
１８の入力データになる。また、該入力層１８の出力側
は中間層１９の入力側に接続され、中間層１９の出力側
は出力層２０の入力側に接続される。該出力層２０のニ
ューロンユニット２３は、鑑別の対象となる紙幣の金種
の数だけ配設され、それぞれが鑑別の対象となる金種の
類似度を０〜１の間の値で出力する。
力側は記憶手段１２の出力側に接続され、該記憶手段１
２に格納された検出イメージパターンがそのまま入力層
１８の入力データになる。また、該入力層１８の出力側
は中間層１９の入力側に接続され、中間層１９の出力側
は出力層２０の入力側に接続される。該出力層２０のニ
ューロンユニット２３は、鑑別の対象となる紙幣の金種
の数だけ配設され、それぞれが鑑別の対象となる金種の
類似度を０〜１の間の値で出力する。
【００２４】前記最大値判別手段２１の入力側は、ニュ
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側に接続され、最大値を出力したニューロンユ
ニット２３に対応する金種を金種判別結果として図示し
ない上位装置に対して出力する。次に、前記構成の紙幣
鑑別装置の動作について説明する。
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側に接続され、最大値を出力したニューロンユ
ニット２３に対応する金種を金種判別結果として図示し
ない上位装置に対して出力する。次に、前記構成の紙幣
鑑別装置の動作について説明する。
【００２５】まず、図示しない紙幣検知手段からの出
力、又は前記上位装置からの信号によって、投入された
紙幣の到来が通知されると、イメージ検出手段１５は動
作状態に入る。そして、該イメージ検出手段１５は、図
示しないタイミング検出手段から送られ、紙幣が一定の
距離だけ搬送されるごとに、又は一定の時間が経過する
ごとにパルスを出力するタイミング信号に同期させて、
紙幣の光学的なイメージパターンを前記光電変換素子に
よって検出する。
力、又は前記上位装置からの信号によって、投入された
紙幣の到来が通知されると、イメージ検出手段１５は動
作状態に入る。そして、該イメージ検出手段１５は、図
示しないタイミング検出手段から送られ、紙幣が一定の
距離だけ搬送されるごとに、又は一定の時間が経過する
ごとにパルスを出力するタイミング信号に同期させて、
紙幣の光学的なイメージパターンを前記光電変換素子に
よって検出する。
【００２６】また、前記タイミング信号に同期させて、
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンにつ
いて説明する。
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンにつ
いて説明する。
【００２７】図４は本発明の第１の実施例における反射
光のイメージパターンを示す図である。この場合、破線
によって区画された部分ごとに、反射光のイメージパタ
ーンがイメージ検出手段１５（図１）によって検出さ
れ、検出イメージパターンが記憶手段１２に格納され
る。したがって、検出イメージパターンは、短手方向に
ｍ個、長手方向にｎ個のセルに格納される。なお、各セ
ルは（ｉ，ｊ）（ｉ＝１，２，…、ｍ）（ｊ＝１，２，
…，ｎ）で表され、各セル（ｉ，ｊ）に対応する多値又
は２値の値ｃ（ｉ，ｊ）が入力層１８の入力データにな
る。
光のイメージパターンを示す図である。この場合、破線
によって区画された部分ごとに、反射光のイメージパタ
ーンがイメージ検出手段１５（図１）によって検出さ
れ、検出イメージパターンが記憶手段１２に格納され
る。したがって、検出イメージパターンは、短手方向に
ｍ個、長手方向にｎ個のセルに格納される。なお、各セ
ルは（ｉ，ｊ）（ｉ＝１，２，…、ｍ）（ｊ＝１，２，
…，ｎ）で表され、各セル（ｉ，ｊ）に対応する多値又
は２値の値ｃ（ｉ，ｊ）が入力層１８の入力データにな
る。
【００２８】次に、ニューラルネット金種判別手段１６
の動作について説明する。前記入力層１８（図３）の入
力ユニット２４は、前記セルと同じ数だけあり、それぞ
れ１対１に対応させられる。例えば、１番目の入力ユニ
ット２４は値ｃ（１，１）を出力する。次に、前記中間
層１９の１番目のニューロンユニット２３は式（１）の
演算を行い、演算結果Ｏ1 を出力層２０の各ニューロン
ユニット２３に対して出力する。
の動作について説明する。前記入力層１８（図３）の入
力ユニット２４は、前記セルと同じ数だけあり、それぞ
れ１対１に対応させられる。例えば、１番目の入力ユニ
ット２４は値ｃ（１，１）を出力する。次に、前記中間
層１９の１番目のニューロンユニット２３は式（１）の
演算を行い、演算結果Ｏ1 を出力層２０の各ニューロン
ユニット２３に対して出力する。
【００２９】
【数１】
【００３０】とする。なお、Ｗ（ｌ，ｉ，ｊ）及びθ
（ｉ，ｊ）はニューラルネットワークの学習能力によっ
てあらかじめ機械的に設定される。同様に、中間層１９
のｋ番目のニューロンユニット２３は、式（２）の演算
を行い、演算結果Ｏk を出力層２０の各ニューロンユニ
ット２３に対して出力する。
（ｉ，ｊ）はニューラルネットワークの学習能力によっ
てあらかじめ機械的に設定される。同様に、中間層１９
のｋ番目のニューロンユニット２３は、式（２）の演算
を行い、演算結果Ｏk を出力層２０の各ニューロンユニ
ット２３に対して出力する。
【００３１】
【数２】
【００３２】同様に、出力層２０のｑ番目のニューロン
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、式（３）の演
算を行い、演算結果Ｐq を最大値判別手段２１に対して
出力する。
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、式（３）の演
算を行い、演算結果Ｐq を最大値判別手段２１に対して
出力する。
【００３３】
【数３】
【００３４】なお、η（ｋ）は中間層１９の各ニューロ
ンユニット２３ごとに設定された定数である。そして、
ニューラルネットワークの学習方法に、確立的降下法に
よる二乗誤差逆伝播（ぱ）アルゴリズムを使用すると、
前記式（１）〜（３）において設定された値を判別誤差
が極小になる値にすることができる。したがって、金種
判別能力を安定させることができる。
ンユニット２３ごとに設定された定数である。そして、
ニューラルネットワークの学習方法に、確立的降下法に
よる二乗誤差逆伝播（ぱ）アルゴリズムを使用すると、
前記式（１）〜（３）において設定された値を判別誤差
が極小になる値にすることができる。したがって、金種
判別能力を安定させることができる。
【００３５】前記最大値判別手段２１は、出力層２０の
ニューロンユニット２３の演算結果Ｐq （ｑ＝１，２，
…，ｐ）のうち最大値を出力したニューロンユニット２
３の番号を、金種に対応させて、金種判別結果として前
記上位装置に対して出力する。また、真偽判別手段１４
は、検出イメージパターンの全部と金種ごとにあらかじ
め設定された基準値とを比較して、類似度の大小によっ
て真偽の判別を行い、真偽判別結果を前記上位装置に対
して出力する。
ニューロンユニット２３の演算結果Ｐq （ｑ＝１，２，
…，ｐ）のうち最大値を出力したニューロンユニット２
３の番号を、金種に対応させて、金種判別結果として前
記上位装置に対して出力する。また、真偽判別手段１４
は、検出イメージパターンの全部と金種ごとにあらかじ
め設定された基準値とを比較して、類似度の大小によっ
て真偽の判別を行い、真偽判別結果を前記上位装置に対
して出力する。
【００３６】このようにして、本実施例においては、投
入された紙幣の金種及び真偽を判別し、金種判別結果及
び真偽判別結果を上位装置に出力することができる。し
たがって、検出手段１１（図２参照）をあらかじめ設定
された特徴点に対応させて配設する必要がなくなる。ま
た、紙幣が改刷されたり、取扱金種が変更になったりし
ても容易に対応することができるので、コストを低くす
ることができる。
入された紙幣の金種及び真偽を判別し、金種判別結果及
び真偽判別結果を上位装置に出力することができる。し
たがって、検出手段１１（図２参照）をあらかじめ設定
された特徴点に対応させて配設する必要がなくなる。ま
た、紙幣が改刷されたり、取扱金種が変更になったりし
ても容易に対応することができるので、コストを低くす
ることができる。
【００３７】次に、本発明の第２の実施例について説明
する。この場合、紙幣鑑別装置は、前記ニューラルネッ
ト金種判別手段１６（図１）以外の構造は第１の実施例
と同様の構造を有するので、図１を援用することによっ
て説明を省略する。図５は本発明の第２の実施例におけ
るニューラルネット金種判別手段のブロック図である。
する。この場合、紙幣鑑別装置は、前記ニューラルネッ
ト金種判別手段１６（図１）以外の構造は第１の実施例
と同様の構造を有するので、図１を援用することによっ
て説明を省略する。図５は本発明の第２の実施例におけ
るニューラルネット金種判別手段のブロック図である。
【００３８】図に示すように、ニューラルネット紙葉類
判別手段としてのニューラルネット金種判別手段１６
（図１）は、検出イメージパターンを一定の面積で積分
する積分値演算手段２２、ニューラルネット演算手段と
して判別演算を行うニューラルネット演算部１７、及び
演算結果をまとめる最大値判別手段２１から成る。前記
ニューラルネット演算部１７は、３層のパーセプトロン
構造を有し、入力層１８、中間層１９及び出力層２０か
ら成り、前記入力層１８は複数の入力ユニット２４によ
って、中間層１９及び出力層２０は複数のニューロンユ
ニット２３によって構成される。
判別手段としてのニューラルネット金種判別手段１６
（図１）は、検出イメージパターンを一定の面積で積分
する積分値演算手段２２、ニューラルネット演算手段と
して判別演算を行うニューラルネット演算部１７、及び
演算結果をまとめる最大値判別手段２１から成る。前記
ニューラルネット演算部１７は、３層のパーセプトロン
構造を有し、入力層１８、中間層１９及び出力層２０か
ら成り、前記入力層１８は複数の入力ユニット２４によ
って、中間層１９及び出力層２０は複数のニューロンユ
ニット２３によって構成される。
【００３９】そして、積分値演算手段２２の入力側は記
憶手段１２の出力側に接続され、前記ニューラルネット
演算部１７の入力側は積分値演算手段２２の出力側に接
続され、該積分値演算手段２２の演算結果が入力層１８
の入力データになる。また、該入力層１８の出力側は中
間層１９の入力側に接続され、該中間層１９の出力側は
出力層２０の入力側に接続される。該出力層２０のニュ
ーロンユニット２３は、鑑別の対象となる紙幣の金種の
数だけ配設され、それぞれが鑑別の対象となる金種の類
似度を０〜１の間の値で出力する。
憶手段１２の出力側に接続され、前記ニューラルネット
演算部１７の入力側は積分値演算手段２２の出力側に接
続され、該積分値演算手段２２の演算結果が入力層１８
の入力データになる。また、該入力層１８の出力側は中
間層１９の入力側に接続され、該中間層１９の出力側は
出力層２０の入力側に接続される。該出力層２０のニュ
ーロンユニット２３は、鑑別の対象となる紙幣の金種の
数だけ配設され、それぞれが鑑別の対象となる金種の類
似度を０〜１の間の値で出力する。
【００４０】前記最大値判別手段２１の入力側は、ニュ
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側に接続され、最大値を出力したニューロンユ
ニット２３に対応する金種を金種判別結果として図示し
ない上位装置に対して出力する。次に、前記構成の紙幣
鑑別装置の動作について説明する。
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側に接続され、最大値を出力したニューロンユ
ニット２３に対応する金種を金種判別結果として図示し
ない上位装置に対して出力する。次に、前記構成の紙幣
鑑別装置の動作について説明する。
【００４１】まず、図示しない紙幣検知手段からの出
力、又は上位装置からの信号によって、投入された紙幣
の到来が通知されると、イメージ検出手段１５は動作状
態に入る。そして、該イメージ検出手段１５は、図示し
ないタイミング検出手段から送られ、紙幣が一定の距離
だけ搬送されるごとに、又は一定の時間が経過するごと
にパルスを出力するタイミング信号に同期させて、紙幣
の光学的なイメージパターンを前記光電変換素子によっ
て検出する。
力、又は上位装置からの信号によって、投入された紙幣
の到来が通知されると、イメージ検出手段１５は動作状
態に入る。そして、該イメージ検出手段１５は、図示し
ないタイミング検出手段から送られ、紙幣が一定の距離
だけ搬送されるごとに、又は一定の時間が経過するごと
にパルスを出力するタイミング信号に同期させて、紙幣
の光学的なイメージパターンを前記光電変換素子によっ
て検出する。
【００４２】また、前記タイミング信号に同期させて、
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンだけ
について説明する。
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンだけ
について説明する。
【００４３】この場合、図４に示すように、破線によっ
て区画された部分ごとに、反射光のイメージパターンが
イメージ検出手段１５によって検出され、検出イメージ
パターンが記憶手段１２に格納される。したがって、検
出イメージパターンは、短手方向にｍ個、長手方向にｎ
個のセルに格納される。次に、ニューラルネット金種判
別手段１６の動作について説明する。
て区画された部分ごとに、反射光のイメージパターンが
イメージ検出手段１５によって検出され、検出イメージ
パターンが記憶手段１２に格納される。したがって、検
出イメージパターンは、短手方向にｍ個、長手方向にｎ
個のセルに格納される。次に、ニューラルネット金種判
別手段１６の動作について説明する。
【００４４】まず、積分値演算手段２２は記憶手段１２
に格納されたイメージパターンを順次読み出し、次の式
（４）に示すように、ｍ×ｎ個のセルの値ｃ（ｉ，ｊ）
をＸ×Ｙ個の矩（く）形領域ごとに積分し、積分値Ｉ
（ｘ，ｙ）を計算する。
に格納されたイメージパターンを順次読み出し、次の式
（４）に示すように、ｍ×ｎ個のセルの値ｃ（ｉ，ｊ）
をＸ×Ｙ個の矩（く）形領域ごとに積分し、積分値Ｉ
（ｘ，ｙ）を計算する。
【００４５】
【数４】
【００４６】この場合、前記入力層１８の入力ユニット
２４は、積分値演算手段２２によって演算された積分値
Ｉ（ｘ，ｙ）と同じ数だけあり、それぞれ１対１に対応
させられる。例えば、前記入力層１８の１番目の入力ユ
ニット２４は積分値Ｉ（１，１）を出力する。次に、前
記中間層１９の１番目のニューロンユニット２３は式
（５）の演算を行い、演算結果Ｏ1 を出力層２０の各ニ
ューロンユニット２３に対して出力する。
２４は、積分値演算手段２２によって演算された積分値
Ｉ（ｘ，ｙ）と同じ数だけあり、それぞれ１対１に対応
させられる。例えば、前記入力層１８の１番目の入力ユ
ニット２４は積分値Ｉ（１，１）を出力する。次に、前
記中間層１９の１番目のニューロンユニット２３は式
（５）の演算を行い、演算結果Ｏ1 を出力層２０の各ニ
ューロンユニット２３に対して出力する。
【００４７】
【数５】
【００４８】とする。また、
Ｍ＝ｍ／Ｘ
Ｎ＝ｎ／Ｙ
である。なお、Ｗ（１，ｉ，ｊ）及びθ（ｉ，ｊ）はニ
ューラルネットワークの学習能力によって機械的に設定
される。
ューラルネットワークの学習能力によって機械的に設定
される。
【００４９】同様に、中間層１９のｋ番目のニューロン
ユニット２３は、次の式（６）の演算を行い、演算結果
Ｏk を出力する。
ユニット２３は、次の式（６）の演算を行い、演算結果
Ｏk を出力する。
【００５０】
【数６】
【００５１】さらに、出力層２０のｑ番目のニューロン
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、前記式（３）
の演算を行い、演算結果Ｐq を最大値判別手段２１に対
して出力する。そして、ニューラルネットワークの学習
方法に、確立的降下法による二乗誤差逆伝播アルゴリズ
ムを使用すると、前記式（３）、（５）、（６）におい
て設定された値を判別誤差が極小になる値にすることが
できる。したがって、金種判別能力を安定させることが
できる。
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、前記式（３）
の演算を行い、演算結果Ｐq を最大値判別手段２１に対
して出力する。そして、ニューラルネットワークの学習
方法に、確立的降下法による二乗誤差逆伝播アルゴリズ
ムを使用すると、前記式（３）、（５）、（６）におい
て設定された値を判別誤差が極小になる値にすることが
できる。したがって、金種判別能力を安定させることが
できる。
【００５２】前記最大値判別手段２１は、出力層２０の
ニューロンユニット２３の演算結果Ｐq （ｑ＝１，２，
…，ｐ）のうち最大値を出力したニューロンユニット２
３の番号を、金種に対応させて、金種判別結果として前
記上位装置に対して出力する。また、真偽判別手段１４
は、検出イメージパターンの全部と金種ごとにあらかじ
め設定された基準値とを比較して、類似度の大小によっ
て真偽の判別を行い、真偽判別結果を前記上位装置に対
して出力する。
ニューロンユニット２３の演算結果Ｐq （ｑ＝１，２，
…，ｐ）のうち最大値を出力したニューロンユニット２
３の番号を、金種に対応させて、金種判別結果として前
記上位装置に対して出力する。また、真偽判別手段１４
は、検出イメージパターンの全部と金種ごとにあらかじ
め設定された基準値とを比較して、類似度の大小によっ
て真偽の判別を行い、真偽判別結果を前記上位装置に対
して出力する。
【００５３】このようにして、本実施例においては、投
入された紙幣の金種及び真偽を判別し、金種判別結果及
び真偽判別結果を上位装置に出力することができる。し
たがって、検出手段１１（図２参照）をあらかじめ設定
された特徴点に対応させて配設する必要がなくなる。ま
た、紙幣が改刷されたり、取扱金種が変更になったりし
ても容易に対応することができるので、コストを低くす
ることができる。
入された紙幣の金種及び真偽を判別し、金種判別結果及
び真偽判別結果を上位装置に出力することができる。し
たがって、検出手段１１（図２参照）をあらかじめ設定
された特徴点に対応させて配設する必要がなくなる。ま
た、紙幣が改刷されたり、取扱金種が変更になったりし
ても容易に対応することができるので、コストを低くす
ることができる。
【００５４】また、積分値Ｉ（ｘ，ｙ）をニューラルネ
ット金種判別手段１６の入力とするので、検出イメージ
データをニューラルネット金種判別手段１６の入力とす
る場合より、ニューラルネットワークの演算時間を短く
することができ、紙葉類の鑑別をより高速に行うことが
できる。なお、ニューラルネットワークの学習を行うた
めに必要な時間も短くすることができる。
ット金種判別手段１６の入力とするので、検出イメージ
データをニューラルネット金種判別手段１６の入力とす
る場合より、ニューラルネットワークの演算時間を短く
することができ、紙葉類の鑑別をより高速に行うことが
できる。なお、ニューラルネットワークの学習を行うた
めに必要な時間も短くすることができる。
【００５５】次に、本発明の第３の実施例について説明
する。この場合、紙幣鑑別装置は、前記ニューラルネッ
ト金種判別手段１６（図１）以外の構造は第１の実施例
と同様の構造を有するので、図１を援用することによっ
て説明を省略する。次に、前記ニューラルネット金種判
別手段１６について説明する。
する。この場合、紙幣鑑別装置は、前記ニューラルネッ
ト金種判別手段１６（図１）以外の構造は第１の実施例
と同様の構造を有するので、図１を援用することによっ
て説明を省略する。次に、前記ニューラルネット金種判
別手段１６について説明する。
【００５６】図６は本発明の第３の実施例におけるニュ
ーラルネット金種判別手段のブロック図である。図に示
すように、ニューラルネット紙葉類判別手段としてのニ
ューラルネット金種判別手段１６（図１）は、検出イメ
ージパターンを一定の面積で積分する積分値演算手段２
２、ニューラルネット演算手段として判別演算を行うニ
ューラルネット演算部１７、数値の大小比較を行う比較
手段２５、該比較手段２５の比較基準値を格納する比較
基準値記憶手段２６、及び前記比較手段２５の比較結果
であるビット信号に重みを付加してエンコードするプラ
イオリティエンコード手段２７から成る。前記ニューラ
ルネット演算部１７は、３層のパーセプトロン構造を有
し、入力層１８、中間層１９及び出力層２０から成り、
前記入力層１８は複数の入力ユニット２４によって、中
間層１９及び出力層２０は複数のニューロンユニット２
３によって構成される。
ーラルネット金種判別手段のブロック図である。図に示
すように、ニューラルネット紙葉類判別手段としてのニ
ューラルネット金種判別手段１６（図１）は、検出イメ
ージパターンを一定の面積で積分する積分値演算手段２
２、ニューラルネット演算手段として判別演算を行うニ
ューラルネット演算部１７、数値の大小比較を行う比較
手段２５、該比較手段２５の比較基準値を格納する比較
基準値記憶手段２６、及び前記比較手段２５の比較結果
であるビット信号に重みを付加してエンコードするプラ
イオリティエンコード手段２７から成る。前記ニューラ
ルネット演算部１７は、３層のパーセプトロン構造を有
し、入力層１８、中間層１９及び出力層２０から成り、
前記入力層１８は複数の入力ユニット２４によって、中
間層１９及び出力層２０は複数のニューロンユニット２
３によって構成される。
【００５７】そして、積分値演算手段２２の入力側は記
憶手段１２の出力側に接続され、前記ニューラルネット
演算部１７の入力側は積分値演算手段２２の出力側に接
続され、該積分値演算手段２２の演算結果が入力層１８
の入力データになる。また、該入力層１８の出力側は中
間層１９の入力側に接続され、該中間層１９の出力側は
出力層２０の入力側に接続される。該出力層２０のニュ
ーロンユニット２３は、鑑別の対象となる紙幣の金種の
数だけ配設され、それぞれが鑑別の対象となる金種の類
似度を０〜１の間の値で出力する。
憶手段１２の出力側に接続され、前記ニューラルネット
演算部１７の入力側は積分値演算手段２２の出力側に接
続され、該積分値演算手段２２の演算結果が入力層１８
の入力データになる。また、該入力層１８の出力側は中
間層１９の入力側に接続され、該中間層１９の出力側は
出力層２０の入力側に接続される。該出力層２０のニュ
ーロンユニット２３は、鑑別の対象となる紙幣の金種の
数だけ配設され、それぞれが鑑別の対象となる金種の類
似度を０〜１の間の値で出力する。
【００５８】また、前記比較手段２５の入力側は、ニュ
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側、及び比較基準値記憶手段２６の出力側に接
続され、比較手段２５の出力側はプライオリティエンコ
ード手段２７の入力側に接続される。したがって、プラ
イオリティエンコード手段２７の入力側には、出力層２
０の出力のうち、比較基準値を超えるものだけが入力さ
れ、金種判別結果として図示しない上位装置に対して出
力される。
ーラルネット演算部１７の出力側、すなわち、出力層２
０の出力側、及び比較基準値記憶手段２６の出力側に接
続され、比較手段２５の出力側はプライオリティエンコ
ード手段２７の入力側に接続される。したがって、プラ
イオリティエンコード手段２７の入力側には、出力層２
０の出力のうち、比較基準値を超えるものだけが入力さ
れ、金種判別結果として図示しない上位装置に対して出
力される。
【００５９】次に、前記構成の紙幣鑑別装置の動作につ
いて説明する。まず、図示しない紙幣検知手段からの出
力、又は上位装置からの信号によって、投入された紙幣
の到来が通知されると、イメージ検出手段１５は動作状
態に入る。そして、該イメージ検出手段１５は、図示し
ないタイミング検出手段から送られ、紙幣が一定の距離
だけ搬送されるごとに、又は一定の時間が経過するごと
にパルスを出力するタイミング信号に同期させて、紙幣
の光学的なイメージパターンを前記光電変換素子によっ
て検出する。
いて説明する。まず、図示しない紙幣検知手段からの出
力、又は上位装置からの信号によって、投入された紙幣
の到来が通知されると、イメージ検出手段１５は動作状
態に入る。そして、該イメージ検出手段１５は、図示し
ないタイミング検出手段から送られ、紙幣が一定の距離
だけ搬送されるごとに、又は一定の時間が経過するごと
にパルスを出力するタイミング信号に同期させて、紙幣
の光学的なイメージパターンを前記光電変換素子によっ
て検出する。
【００６０】また、前記タイミング信号に同期させて、
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンだけ
について説明する。
紙幣の磁気的なイメージパターンを、磁電変換素子（例
えば、磁気ヘッドアレイ等）によって検出することもで
きる。ここで、光学的なイメージパターンのうち透過光
によるイメージパターン及び磁気的なイメージパターン
については、反射光のイメージパターンと同様に取り扱
うことができるので、該反射光のイメージパターンだけ
について説明する。
【００６１】この場合、図４に示すように、破線によっ
て区画された部分ごとに、反射光のイメージパターンが
イメージ検出手段１５によって検出され、検出イメージ
パターンが記憶手段１２に格納される。したがって、検
出イメージパターンは、短手方向にｍ個、長手方向にｎ
個のセルに格納される。次に、ニューラルネット金種判
別手段１６の動作について説明する。
て区画された部分ごとに、反射光のイメージパターンが
イメージ検出手段１５によって検出され、検出イメージ
パターンが記憶手段１２に格納される。したがって、検
出イメージパターンは、短手方向にｍ個、長手方向にｎ
個のセルに格納される。次に、ニューラルネット金種判
別手段１６の動作について説明する。
【００６２】この場合、前記入力層１８の入力ユニット
２４は、積分値演算手段２２によって演算された積分値
Ｉ（ｘ，ｙ）と同じ数だけあり、それぞれ１対１に対応
させられる。例えば、前記入力層１８の１番目の入力ユ
ニット２４は積分値Ｉ（１，１）を出力する。次に、前
記中間層１９の１番目のニューロンユニット２３は式
（５）の演算を行い、演算結果Ｏ1 を出力層２０の各ニ
ューロンユニット２３に対して出力する。
２４は、積分値演算手段２２によって演算された積分値
Ｉ（ｘ，ｙ）と同じ数だけあり、それぞれ１対１に対応
させられる。例えば、前記入力層１８の１番目の入力ユ
ニット２４は積分値Ｉ（１，１）を出力する。次に、前
記中間層１９の１番目のニューロンユニット２３は式
（５）の演算を行い、演算結果Ｏ1 を出力層２０の各ニ
ューロンユニット２３に対して出力する。
【００６３】同様に、中間層１９のｋ番目のニューロン
ユニット２３は、式（６）の演算を行い、演算結果Ｏk
を出力する。さらに、出力層２０のｑ番目のニューロン
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、前記式（３）
の演算を行い、演算結果Ｐq を比較手段２５に対して出
力する。
ユニット２３は、式（６）の演算を行い、演算結果Ｏk
を出力する。さらに、出力層２０のｑ番目のニューロン
ユニット２３は、中間層１９のｋ番目のニューロンユニ
ット２３の出力を演算結果Ｏk とすると、前記式（３）
の演算を行い、演算結果Ｐq を比較手段２５に対して出
力する。
【００６４】そして、ニューラルネットワークの学習方
法に、確立的降下法による二乗誤差逆伝播アルゴリズム
を使用すると、前記式（３）、（５）、（６）において
設定された値を判別誤差が極小になる値にすることがで
きる。したがって、金種判別能力を安定させることがで
きる。前記比較手段２５は、出力層２０のニューロンユ
ニット２３の演算結果Ｐq （ｑ＝１，２，…，ｐ）と比
較基準値記憶手段２６に格納された基準値とを比較し、
比較結果を各ニューロンユニット２３に対応したビット
信号にしてプライオリティエンコード手段２７に対して
出力する。該プライオリティエンコード手段２７は、前
記比較手段２５の比較結果であるビット信号に重みを付
加し、金種判別結果として前記上位装置に対して出力す
る。なお、第１の実施例における最大値判別手段２１
（図３）を併せて配設することができる。
法に、確立的降下法による二乗誤差逆伝播アルゴリズム
を使用すると、前記式（３）、（５）、（６）において
設定された値を判別誤差が極小になる値にすることがで
きる。したがって、金種判別能力を安定させることがで
きる。前記比較手段２５は、出力層２０のニューロンユ
ニット２３の演算結果Ｐq （ｑ＝１，２，…，ｐ）と比
較基準値記憶手段２６に格納された基準値とを比較し、
比較結果を各ニューロンユニット２３に対応したビット
信号にしてプライオリティエンコード手段２７に対して
出力する。該プライオリティエンコード手段２７は、前
記比較手段２５の比較結果であるビット信号に重みを付
加し、金種判別結果として前記上位装置に対して出力す
る。なお、第１の実施例における最大値判別手段２１
（図３）を併せて配設することができる。
【００６５】また、真偽判別手段１４は、検出イメージ
パターンの全部と金種ごとにあらかじめ設定された基準
値とを比較して、類似度の大小によって真偽の判別を行
い、真偽判別結果を前記上位装置に対して出力する。こ
のようにして、本実施例においては、投入された紙幣の
金種及び真偽を判別し、金種判別結果及び真偽判別結果
を上位装置に出力することができる。
パターンの全部と金種ごとにあらかじめ設定された基準
値とを比較して、類似度の大小によって真偽の判別を行
い、真偽判別結果を前記上位装置に対して出力する。こ
のようにして、本実施例においては、投入された紙幣の
金種及び真偽を判別し、金種判別結果及び真偽判別結果
を上位装置に出力することができる。
【００６６】したがって、検出手段１１（図２参照）を
あらかじめ設定された特徴点に対応させて配設する必要
がなくなる。また、紙幣が改刷されたり、取扱金種が変
更になったりしても容易に対応することができるので、
コストを低くすることができる。また、積分値Ｉ（ｘ，
ｙ）をニューラルネット金種判別手段１６の入力とする
ので、検出イメージデータをニューラルネット金種判別
手段１６の入力とする場合より、ニューラルネットワー
クの演算時間を短くすることができ、紙葉類の鑑別をよ
り高速に行うことができる。
あらかじめ設定された特徴点に対応させて配設する必要
がなくなる。また、紙幣が改刷されたり、取扱金種が変
更になったりしても容易に対応することができるので、
コストを低くすることができる。また、積分値Ｉ（ｘ，
ｙ）をニューラルネット金種判別手段１６の入力とする
ので、検出イメージデータをニューラルネット金種判別
手段１６の入力とする場合より、ニューラルネットワー
クの演算時間を短くすることができ、紙葉類の鑑別をよ
り高速に行うことができる。
【００６７】さらに、ニューラルネット金種判別手段１
６の出力層２０の出力があらかじめ設定された比較基準
値を超えるものについてだけ金種判別結果に反映するよ
うにしたので、取扱金種に該当しない紙幣、媒体等が投
入された場合に、誤った金種判別が行われるのを防止す
ることができ、紙幣鑑別装置の信頼性をより高くするこ
とができる。この場合、出力層２０の出力のうち比較基
準値を超えるものが二つ以上存在するときには、紙葉類
の鑑別が停止されるが、比較手段２５のほかに最大値判
別手段２１を併せて配設した場合には、紙葉類の鑑別が
可能である。
６の出力層２０の出力があらかじめ設定された比較基準
値を超えるものについてだけ金種判別結果に反映するよ
うにしたので、取扱金種に該当しない紙幣、媒体等が投
入された場合に、誤った金種判別が行われるのを防止す
ることができ、紙幣鑑別装置の信頼性をより高くするこ
とができる。この場合、出力層２０の出力のうち比較基
準値を超えるものが二つ以上存在するときには、紙葉類
の鑑別が停止されるが、比較手段２５のほかに最大値判
別手段２１を併せて配設した場合には、紙葉類の鑑別が
可能である。
【００６８】なお、本発明は前記実施例に限定されるも
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、これらを本発明の範囲から排除するも
のではない。
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、これらを本発明の範囲から排除するも
のではない。
【００６９】
【発明の効果】以上詳細に説明したように、本発明によ
れば、紙葉類鑑別装置においては、紙葉類の全面のイメ
ージパターンを検出するイメージ検出手段と、該イメー
ジ検出手段によって検出されたイメージパターンを格納
する記憶手段と、該記憶手段に格納されたイメージパタ
ーンの各セルごとの値が入力されるニューラルネット紙
葉類判別手段と、該ニューラルネット紙葉類判別手段の
紙葉類判別結果に基づいて、基準値と前記記憶手段に格
納されたイメージパターンとを比較して類似度を求め、
該類似度によって紙葉類の真偽を判別する真偽判別手段
とを有する。
れば、紙葉類鑑別装置においては、紙葉類の全面のイメ
ージパターンを検出するイメージ検出手段と、該イメー
ジ検出手段によって検出されたイメージパターンを格納
する記憶手段と、該記憶手段に格納されたイメージパタ
ーンの各セルごとの値が入力されるニューラルネット紙
葉類判別手段と、該ニューラルネット紙葉類判別手段の
紙葉類判別結果に基づいて、基準値と前記記憶手段に格
納されたイメージパターンとを比較して類似度を求め、
該類似度によって紙葉類の真偽を判別する真偽判別手段
とを有する。
【００７０】そして、前記ニューラルネット紙葉類判別
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
手段は、入力層、中間層及び出力層から成るパーセプト
ロン構造のニューラルネット演算手段、及び該ニューラ
ルネット演算手段の出力層に接続され、該出力層のニュ
ーロンユニットの出力に対応させて紙葉類判別結果を出
力する出力判別手段を備える。また、前記入力層の入力
ユニットに、前記記憶手段に格納されたイメージパター
ンの各セルごとの値が入力される。そして、前記出力層
のニューロンユニットは取扱紙葉類と１対１に対応させ
られる。さらに、前記出力判別手段は、各ニューロンユ
ニットのすべての出力及び比較基準値に基づいて比較を
行う比較手段を備え、該比較手段の比較結果を紙葉類の
種類に対応させる。
【００７１】この場合、前記ニューラルネット紙葉類判
別手段が紙葉類判別結果を出力すると、真偽判別手段
は、紙葉類判別結果に基づいて、基準値とイメージパタ
ーンとを比較して類似度を求め、該類似度によって紙葉
類の真偽を判別する。そして、前記入力層の入力ユニッ
トにイメージパターンの各セルごとの値が入力される
と、ニューラルネット演算手段の演算結果が出力層のニ
ューロンユニットから出力される。前記出力判別手段
は、各ニューロンユニットのすべての出力及び比較基準
値に基づいて比較を行い、比較結果を紙葉類の種類に対
応させる。
別手段が紙葉類判別結果を出力すると、真偽判別手段
は、紙葉類判別結果に基づいて、基準値とイメージパタ
ーンとを比較して類似度を求め、該類似度によって紙葉
類の真偽を判別する。そして、前記入力層の入力ユニッ
トにイメージパターンの各セルごとの値が入力される
と、ニューラルネット演算手段の演算結果が出力層のニ
ューロンユニットから出力される。前記出力判別手段
は、各ニューロンユニットのすべての出力及び比較基準
値に基づいて比較を行い、比較結果を紙葉類の種類に対
応させる。
【００７２】したがって、イメージ検出手段を、あらか
じめ設定された特徴点に対応させて配設する必要がなく
なる。また、紙葉類が改刷されたり、取扱紙葉類が変更
になったりしても容易に対応することができるので、コ
ストを低くすることができる。
じめ設定された特徴点に対応させて配設する必要がなく
なる。また、紙葉類が改刷されたり、取扱紙葉類が変更
になったりしても容易に対応することができるので、コ
ストを低くすることができる。
【図１】本発明の第１の実施例における紙幣鑑別装置の
ブロック図である。
ブロック図である。
【図２】従来の紙幣鑑別装置のブロック図である。
【図３】本発明の第１の実施例におけるニューラルネッ
ト金種判別手段のブロック図である。
ト金種判別手段のブロック図である。
【図４】本発明の第１の実施例における反射光のイメー
ジパターンを示す図である。
ジパターンを示す図である。
【図５】本発明の第２の実施例におけるニューラルネッ
ト金種判別手段のブロック図である。
ト金種判別手段のブロック図である。
【図６】本発明の第３の実施例におけるニューラルネッ
ト金種判別手段のブロック図である。
ト金種判別手段のブロック図である。
１２ 記憶手段
１４ 真偽判別手段
１５ イメージ検出手段
１６ ニューラルネット金種判別手段
１７ ニューラルネット演算部
１８ 入力層
１９ 中間層
２０ 出力層
２１ 最大値判別手段
２２ 積分演算手段
２３ ニューロンユニット
２４ 入力ユニット
２５ 比較手段
２７ プライオリティエンコード手段
─────────────────────────────────────────────────────
フロントページの続き
(58)調査した分野(Int.Cl.7，ＤＢ名)
G07D 7/00
Claims (3)
- 【請求項１】 （ａ）紙葉類の全面のイメージパターン
を検出するイメージ検出手段と、 （ｂ）該イメージ検出手段によって検出されたイメージ
パターンを格納する記憶手段と、 （ｃ）該記憶手段に格納されたイメージパターンの各セ
ルごとの値が入力されるニューラルネット紙葉類判別手
段と、 （ｄ）該ニューラルネット紙葉類判別手段の紙葉類判別
結果に基づいて、基準値と前記記憶手段に格納されたイ
メージパターンとを比較して類似度を求め、該類似度に
よって紙葉類の真偽を判別する真偽判別手段とを有する
とともに、 （ｅ）前記ニューラルネット紙葉類判別手段は、入力
層、中間層及び出力層から成るパーセプトロン構造のニ
ューラルネット演算手段、及び該ニューラルネット演算
手段の出力層に接続され、該出力層のニューロンユニッ
トの出力に対応させて紙葉類判別結果を出力する出力判
別手段を備え、 （ｆ）前記入力層の入力ユニットに、前記記憶手段に格
納されたイメージパターンの各セルごとの値が入力さ
れ、 （ｇ）前記出力層のニューロンユニットは取扱紙葉類と
１対１に対応させられ、 （ｈ）前記出力判別手段は、各ニューロンユニットのす
べての出力及び比較基準値に基づいて比較を行う比較手
段を備え、該比較手段の比較結果を紙葉類の種類に対応
させることを特徴とする紙葉類鑑別装置。 - 【請求項２】 （ａ）紙葉類の全面のイメージパターン
を検出するイメージ検出手段と、 （ｂ）該イメージ検出手段によって検出されたイメージ
パターンを格納する記憶手段と、 （ｃ）該記憶手段に格納されたイメージパターンの各セ
ルごとの値が入力され、該各セルごとの値を矩形領域ご
とに積分する積分値演算手段と、 （ｄ）該積分値演算手段の演算値が入力されるニューラ
ルネット紙葉類判別手段と、 （ｅ）該ニューラルネット紙葉類判別手段の紙葉類判別
結果に基づいて、基準値と前記記憶手段に格納されたイ
メージパターンとを比較して類似度を求め、該類似度に
よって紙葉類の真偽を判別する真偽判別手段とを有する
とともに、 （ｆ）前記ニューラルネット紙葉類判別手段は、入力
層、中間層及び出力層から成るパーセプトロン構造のニ
ューラルネット演算手段、及び該ニューラルネット演算
手段の出力層に接続され、該出力層のニューロンユニッ
トの出力に対応させて紙葉類判別結果を出力する出力判
別手段を備え、 （ｇ）前記入力層の入力ユニットに前記積分値演算手段
による演算値が入力され、 （ｈ）前記出力層のニューロンユニットは取扱紙葉類と
１対１に対応させられ、 （ｉ）前記出力判別手段は、各ニューロンユニットのす
べての出力及び比較基準値に基づいて比較を行う比較手
段を備え、該比較手段の比較結果を紙葉類の種類に対応
させることを特徴とする紙葉類鑑別装置。 - 【請求項３】 前記出力判別手段から出力された比較結
果に重みを付加して金種判別結果を出力する請求項１又
は２に記載の紙葉類鑑別装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15322695A JP3362087B2 (ja) | 1995-06-20 | 1995-06-20 | 紙葉類鑑別装置 |
| KR1019960022703A KR100361328B1 (ko) | 1995-06-20 | 1996-06-20 | 지엽류감별장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15322695A JP3362087B2 (ja) | 1995-06-20 | 1995-06-20 | 紙葉類鑑別装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH097023A JPH097023A (ja) | 1997-01-10 |
| JP3362087B2 true JP3362087B2 (ja) | 2003-01-07 |
Family
ID=15557821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15322695A Expired - Fee Related JP3362087B2 (ja) | 1995-06-20 | 1995-06-20 | 紙葉類鑑別装置 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP3362087B2 (ja) |
| KR (1) | KR100361328B1 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980077153A (ko) * | 1997-04-17 | 1998-11-16 | 구자홍 | 현금 자동 입출금기(cd)의 화폐 구별장치 |
| KR100551834B1 (ko) * | 1998-08-08 | 2006-05-17 | 삼성탈레스 주식회사 | 망관리 시스템에서의 복합링크 관리방법 |
| US6489025B2 (en) | 2000-04-12 | 2002-12-03 | Showa Denko K.K. | Fine carbon fiber, method for producing the same and electrically conducting material comprising the fine carbon fiber |
| KR100422150B1 (ko) * | 2001-07-05 | 2004-03-12 | 엘지전자 주식회사 | 광대역 디씨에스의 운영코드관리방법 |
| CN103440701B (zh) | 2013-09-11 | 2015-09-23 | 广州广电运通金融电子股份有限公司 | 一种钞票的磁信号检测方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2589604B2 (ja) * | 1991-05-16 | 1997-03-12 | 日揮株式会社 | 紙幣、及び紙葉類の判別方法 |
| JPH05324838A (ja) * | 1992-05-20 | 1993-12-10 | Glory Ltd | パターン認識装置 |
| JP3321267B2 (ja) * | 1993-10-21 | 2002-09-03 | グローリー工業株式会社 | パターン認識における遺伝アルゴリズムを用いたマスクの最適化方法 |
-
1995
- 1995-06-20 JP JP15322695A patent/JP3362087B2/ja not_active Expired - Fee Related
-
1996
- 1996-06-20 KR KR1019960022703A patent/KR100361328B1/ko not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| KR100361328B1 (ko) | 2003-02-14 |
| JPH097023A (ja) | 1997-01-10 |
| KR970002772A (ko) | 1997-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2004023402A1 (ja) | 紙葉類特徴検出装置及び紙葉類特徴検出方法 | |
| WO2011036748A1 (ja) | 紙葉類識別装置および紙葉類識別方法 | |
| JP3362087B2 (ja) | 紙葉類鑑別装置 | |
| 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 | |
| US8311665B2 (en) | Method for handling paper sheets | |
| KR100735879B1 (ko) | 지엽류 취급장치 | |
| JP2001331839A (ja) | 紙幣識別方法及び装置 | |
| JP4365574B2 (ja) | 紙幣処理装置 | |
| JPS59180794A (ja) | 紙弊鑑別方式 | |
| JP4332414B2 (ja) | 紙葉類取扱装置 | |
| JP4306027B2 (ja) | 紙葉類の真偽鑑別装置 | |
| JP2635994B2 (ja) | 紙幣識別装置 | |
| JPH0962890A (ja) | 紙幣入出金機における紙幣処理方法 | |
| JP3151034B2 (ja) | 紙幣鑑別装置 | |
| JP3209765B2 (ja) | 紙幣識別機 | |
| JP2647238B2 (ja) | 紙幣判別装置 | |
| JP2860738B2 (ja) | 紙葉類判別装置 | |
| JPH04134584A (ja) | 紙幣鑑別装置 | |
| JPH10162194A (ja) | 識別装置 | |
| 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 | |
| JP2000306136A (ja) | 紙葉類識別方法及び装置 | |
| JPH10269401A (ja) | 紙幣識別装置 | |
| JP2001056876A (ja) | ニューラルネットワークを用いた媒体の金種および真偽鑑別方法 | |
| JPH10162193A (ja) | 識別装置 | |
| JPH09102057A (ja) | 紙幣識別装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20021008 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081018 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081018 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091018 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101018 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111018 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111018 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121018 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |