JPH05101250A - 紙幣、及び紙葉類の判別方法 - Google Patents
紙幣、及び紙葉類の判別方法Info
- Publication number
- JPH05101250A JPH05101250A JP3141062A JP14106291A JPH05101250A JP H05101250 A JPH05101250 A JP H05101250A JP 3141062 A JP3141062 A JP 3141062A JP 14106291 A JP14106291 A JP 14106291A JP H05101250 A JPH05101250 A JP H05101250A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- neural network
- threshold value
- learning
- paper sheet
- 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)
Abstract
(57)【要約】
【目的】 各種紙幣、及び紙葉類の判別を容易かつ確実
にすることにある。 【構成】 センサが取得した紙幣、及び紙葉類の信号を
処理する１次信号処理部と、ニューラルネットワークし
きい値決定部並びにしきい値学習部と、２次信号処理部
と、ニューラルネットワーク紙幣・紙葉類信号出力部並
びに紙幣・紙葉類学習部からなり、前記しきい値学習部
において前記２次信号処理部が有効かつ適切な波形切り
出しを行うためのしきい値を学習し、このしきい値を用
いた前記しきい値決定部に前記１次信号処理部からの波
形データを入力し、前記２次信号処理部において波形デ
ータのパターン化を行い、一方、ニューラルネットワー
ク紙幣・紙葉類学習部において紙幣、及び紙葉類のデー
タを学習し、この学習に基づいて、前記ニューラルネッ
トワーク紙幣・紙葉類信号出力部から前記パターン化し
た波形データに対応した紙幣、及び紙葉類の信号を出力
する。
にすることにある。 【構成】 センサが取得した紙幣、及び紙葉類の信号を
処理する１次信号処理部と、ニューラルネットワークし
きい値決定部並びにしきい値学習部と、２次信号処理部
と、ニューラルネットワーク紙幣・紙葉類信号出力部並
びに紙幣・紙葉類学習部からなり、前記しきい値学習部
において前記２次信号処理部が有効かつ適切な波形切り
出しを行うためのしきい値を学習し、このしきい値を用
いた前記しきい値決定部に前記１次信号処理部からの波
形データを入力し、前記２次信号処理部において波形デ
ータのパターン化を行い、一方、ニューラルネットワー
ク紙幣・紙葉類学習部において紙幣、及び紙葉類のデー
タを学習し、この学習に基づいて、前記ニューラルネッ
トワーク紙幣・紙葉類信号出力部から前記パターン化し
た波形データに対応した紙幣、及び紙葉類の信号を出力
する。
Description
【０００１】
【産業上の利用分野】本発明は、特に、自動販売機、両
替機及び自動振込み・預金・引出機等紙幣を扱う自動
機、及び有価証券、信用証券、チケット、書類、印刷物
等（以下、紙葉類という）を扱う自動機に用いられる紙
幣、及び紙葉類の判別方法に関する。
替機及び自動振込み・預金・引出機等紙幣を扱う自動
機、及び有価証券、信用証券、チケット、書類、印刷物
等（以下、紙葉類という）を扱う自動機に用いられる紙
幣、及び紙葉類の判別方法に関する。
【０００２】
【従来の技術例】従来、紙幣、及び紙葉類の判別は、各
種センサを用いた紙幣、及び紙葉類の判別装置により行
われている。しかし、このようなセンサによる紙幣、及
び紙葉類の判別方法は、いくつかの問題点を含んでい
る。すなわち、センサから得られた信号に基づいて紙
幣、及び紙葉類を判別する際、センサを組んだ装置系の
状況、たとえば、「規定値に比し、紙幣、及び紙葉類が
センサから離れ過ぎたり、近過ぎていたりする」ケー
ス、「紙幣、及び紙葉類の送り速度が一定でなく、変動
する」ケース、あるいは、紙幣、及び紙葉類の状態、例
えば、「きず」「汚れ」「しわ」などによるケース等、
各種要素に起因して紙幣、及び紙葉類の信号が正確に得
られず、紙幣、及び紙葉類の判別が出来ない場合が多か
った。この事態に対処するため、複数個のセンサを組み
合わせたり、センサから得た信号をパターン化する等の
方法を採用してきたが、これらの方法では、各種の紙
幣、及び紙葉類に対応させるための調整が非常に厳密で
あり、そのため多大の時間を必要とし、また、調整が困
難であるにも拘らず、その認識率には限界があった。
種センサを用いた紙幣、及び紙葉類の判別装置により行
われている。しかし、このようなセンサによる紙幣、及
び紙葉類の判別方法は、いくつかの問題点を含んでい
る。すなわち、センサから得られた信号に基づいて紙
幣、及び紙葉類を判別する際、センサを組んだ装置系の
状況、たとえば、「規定値に比し、紙幣、及び紙葉類が
センサから離れ過ぎたり、近過ぎていたりする」ケー
ス、「紙幣、及び紙葉類の送り速度が一定でなく、変動
する」ケース、あるいは、紙幣、及び紙葉類の状態、例
えば、「きず」「汚れ」「しわ」などによるケース等、
各種要素に起因して紙幣、及び紙葉類の信号が正確に得
られず、紙幣、及び紙葉類の判別が出来ない場合が多か
った。この事態に対処するため、複数個のセンサを組み
合わせたり、センサから得た信号をパターン化する等の
方法を採用してきたが、これらの方法では、各種の紙
幣、及び紙葉類に対応させるための調整が非常に厳密で
あり、そのため多大の時間を必要とし、また、調整が困
難であるにも拘らず、その認識率には限界があった。
【０００３】
【発明が解決しようとする課題】本発明の目的は、上記
事情に鑑み、センサにより取得した各種紙幣、及び紙葉
類の信号に基づいて紙幣、及び紙葉類を判別するに好適
な紙幣、及び紙葉類の判別方法を提供することにある。
事情に鑑み、センサにより取得した各種紙幣、及び紙葉
類の信号に基づいて紙幣、及び紙葉類を判別するに好適
な紙幣、及び紙葉類の判別方法を提供することにある。
【０００４】
【課題を解決するための手段】センサが取得した紙幣、
及び紙葉類の信号を処理する１次信号処理部と、ニュー
ラルネットワークしきい値決定部並びにしきい値学習部
と、２次信号処理部と、ニューラルネットワーク紙幣・
紙葉類信号出力部並びに紙幣・紙葉類学習部からなり、
前記ニューラルネットワークしきい値学習部おいて前記
２次信号処理部が有効かつ適切な波形切り出しを行うた
めのしきい値を学習し、このしきい値を用いた前記ニュ
ーラルネットワークしきい値決定部に前記１次信号処理
部からの波形データを入力し、前記しきい値決定部が出
力した波形データを前記２次信号処理部においてパター
ン化し、一方、ニューラルネットワーク紙幣・紙葉類学
習部において紙幣、及び紙葉類のデータを学習し、この
学習に基づいて、前記ニューラルネットワーク紙幣・紙
葉類信号出力部から前記パターン化した波形データに対
応した紙幣、及び紙葉類の信号を出力し、判定部におい
て正誤及び種類等を判定し、表示部にその判定結果を表
示する。
及び紙葉類の信号を処理する１次信号処理部と、ニュー
ラルネットワークしきい値決定部並びにしきい値学習部
と、２次信号処理部と、ニューラルネットワーク紙幣・
紙葉類信号出力部並びに紙幣・紙葉類学習部からなり、
前記ニューラルネットワークしきい値学習部おいて前記
２次信号処理部が有効かつ適切な波形切り出しを行うた
めのしきい値を学習し、このしきい値を用いた前記ニュ
ーラルネットワークしきい値決定部に前記１次信号処理
部からの波形データを入力し、前記しきい値決定部が出
力した波形データを前記２次信号処理部においてパター
ン化し、一方、ニューラルネットワーク紙幣・紙葉類学
習部において紙幣、及び紙葉類のデータを学習し、この
学習に基づいて、前記ニューラルネットワーク紙幣・紙
葉類信号出力部から前記パターン化した波形データに対
応した紙幣、及び紙葉類の信号を出力し、判定部におい
て正誤及び種類等を判定し、表示部にその判定結果を表
示する。
【０００５】
【作用】センサが取得した各種紙幣、及び紙葉類の信号
をニューラルネットワークしきい値学習部に学習させ、
この学習から２次信号処理部において有効かつ適切な波
形切り出しを行うためのしきい値を決定し、このしきい
値に基づいて、ニューラルネットワークしきい値決定部
が各種紙幣、及び紙葉類の信号を処理し、一方、ニュー
ラルネットワーク紙幣・紙葉類学習部において紙幣、及
び紙葉類のデータを学習し、この学習に基づいて、ニュ
ーラルネットワーク紙幣・紙葉類信号出力部から２次信
号処理部においてパターン化した波形データに対応した
紙幣、及び紙葉類の信号を出力する。これにより、複雑
な紙幣、及び紙葉類の信号の処理を簡単にかつ確実にで
き、ならびに、紙幣、及び紙葉類の種類を容易にかつ確
実に判別できる。
をニューラルネットワークしきい値学習部に学習させ、
この学習から２次信号処理部において有効かつ適切な波
形切り出しを行うためのしきい値を決定し、このしきい
値に基づいて、ニューラルネットワークしきい値決定部
が各種紙幣、及び紙葉類の信号を処理し、一方、ニュー
ラルネットワーク紙幣・紙葉類学習部において紙幣、及
び紙葉類のデータを学習し、この学習に基づいて、ニュ
ーラルネットワーク紙幣・紙葉類信号出力部から２次信
号処理部においてパターン化した波形データに対応した
紙幣、及び紙葉類の信号を出力する。これにより、複雑
な紙幣、及び紙葉類の信号の処理を簡単にかつ確実にで
き、ならびに、紙幣、及び紙葉類の種類を容易にかつ確
実に判別できる。
【０００６】
【実施例】以下、図面を用いて本発明の実施例を説明す
る。図１は、本発明を用いた紙幣、及び紙葉類の判別方
法の構成図であり、紙幣、及び紙葉類判別の一連の処理
の流れを示す。同図において、１は、センサー部であ
り、磁気センサー、光センサー等各種センサー又は複数
個のセンサーの組合せからなる。このセンサー部１は紙
幣、及び紙葉類の信号をアナログデータとして測定す
る。紙幣、及び紙葉類の信号としては、例えば、紙幣、
及び紙葉類とセンサーの測定間隔に基づく信号、紙幣、
及び紙葉類の送り速度に基づく信号、あるいは紙幣、及
び紙葉類の状態「きず」、「汚れ」、「しわ」に基づく
信号等がある。２は、Ａ／Ｄ信号変換部であり、アナロ
グデータをディジタルデータに変換する。３は、１次信
号処理部であり、ディジタルデータのノイズ成分の除去
及び波形成形の処理を行う。５は、ニューラルネットワ
ークしきい値決定部であり、取り込まれた紙幣、及び紙
葉類の信号の強度に対し、次の処理において波形を切り
出すための適切なしきい値の調整を行う。紙幣、及び紙
葉類の信号の強度は、前述したように、紙幣、及び紙葉
類とセンサーの測定間隔が狭すぎたり又は広すぎたり、
紙幣、及び紙葉類の送り速度が速すぎたり又は遅すぎた
りあるいは紙幣、及び紙葉類の状態「きず」、「汚
れ」、「しわ」等により、微弱な信号から大きな信号ま
で広範に分布する。このニューラルネットワークしきい
値決定部５は、適切に調整したしきい値により、広範に
分布する紙幣、及び紙葉類の信号に対し、次の処理にお
いて有効かつ適切な波形を切り出すためのディジタル波
形データを出力する。６は、ニューラルネットワークし
きい値学習部であり、ニューラルネットワークしきい値
決定部５のしきい値を学習する。詳細は後述する。７
は、２次信号処理部であり、ニューラルネットワークし
きい値決定部５のしきい値により形成されたディジタル
波形データから、ディジタル信号の数とその強度をデー
タとして加工する。９は、ニューラルネットワーク紙幣
・紙葉類信号出力部であり、２次信号処理部７の加工デ
ータを取り込み、何の種類の紙幣、及び紙葉類かの信号
を出力する。１０は、ニューラルネットワーク紙幣・紙
葉類学習部であり、紙幣、及び紙葉類のデータを学習す
る。同種の紙幣、及び紙葉類でも２次信号処理部７の加
工データにはディジタル信号の数とその強度にバラツキ
があり、ニューラルネットワーク紙幣・紙葉類信号出力
部９の判定方法が画一的であっては紙幣、及び紙葉類の
認識率が悪いので、ニューラルネットワーク紙幣・紙葉
類学習部１０において同種の紙幣、及び紙葉類のデータ
を学習する。詳細は後述する。１１は、判定部であり、
ニューラルネットワーク紙幣・紙葉類信号出力部９の出
力信号をもとに紙幣、及び紙葉類の種類の判定を行う。
１２は、表示部であり、判定結果を表示する。なお、４
と８は学習モード切替部を示す。
る。図１は、本発明を用いた紙幣、及び紙葉類の判別方
法の構成図であり、紙幣、及び紙葉類判別の一連の処理
の流れを示す。同図において、１は、センサー部であ
り、磁気センサー、光センサー等各種センサー又は複数
個のセンサーの組合せからなる。このセンサー部１は紙
幣、及び紙葉類の信号をアナログデータとして測定す
る。紙幣、及び紙葉類の信号としては、例えば、紙幣、
及び紙葉類とセンサーの測定間隔に基づく信号、紙幣、
及び紙葉類の送り速度に基づく信号、あるいは紙幣、及
び紙葉類の状態「きず」、「汚れ」、「しわ」に基づく
信号等がある。２は、Ａ／Ｄ信号変換部であり、アナロ
グデータをディジタルデータに変換する。３は、１次信
号処理部であり、ディジタルデータのノイズ成分の除去
及び波形成形の処理を行う。５は、ニューラルネットワ
ークしきい値決定部であり、取り込まれた紙幣、及び紙
葉類の信号の強度に対し、次の処理において波形を切り
出すための適切なしきい値の調整を行う。紙幣、及び紙
葉類の信号の強度は、前述したように、紙幣、及び紙葉
類とセンサーの測定間隔が狭すぎたり又は広すぎたり、
紙幣、及び紙葉類の送り速度が速すぎたり又は遅すぎた
りあるいは紙幣、及び紙葉類の状態「きず」、「汚
れ」、「しわ」等により、微弱な信号から大きな信号ま
で広範に分布する。このニューラルネットワークしきい
値決定部５は、適切に調整したしきい値により、広範に
分布する紙幣、及び紙葉類の信号に対し、次の処理にお
いて有効かつ適切な波形を切り出すためのディジタル波
形データを出力する。６は、ニューラルネットワークし
きい値学習部であり、ニューラルネットワークしきい値
決定部５のしきい値を学習する。詳細は後述する。７
は、２次信号処理部であり、ニューラルネットワークし
きい値決定部５のしきい値により形成されたディジタル
波形データから、ディジタル信号の数とその強度をデー
タとして加工する。９は、ニューラルネットワーク紙幣
・紙葉類信号出力部であり、２次信号処理部７の加工デ
ータを取り込み、何の種類の紙幣、及び紙葉類かの信号
を出力する。１０は、ニューラルネットワーク紙幣・紙
葉類学習部であり、紙幣、及び紙葉類のデータを学習す
る。同種の紙幣、及び紙葉類でも２次信号処理部７の加
工データにはディジタル信号の数とその強度にバラツキ
があり、ニューラルネットワーク紙幣・紙葉類信号出力
部９の判定方法が画一的であっては紙幣、及び紙葉類の
認識率が悪いので、ニューラルネットワーク紙幣・紙葉
類学習部１０において同種の紙幣、及び紙葉類のデータ
を学習する。詳細は後述する。１１は、判定部であり、
ニューラルネットワーク紙幣・紙葉類信号出力部９の出
力信号をもとに紙幣、及び紙葉類の種類の判定を行う。
１２は、表示部であり、判定結果を表示する。なお、４
と８は学習モード切替部を示す。
【０００７】つぎに、図２は、ニューラルネットワーク
しきい値決定部５及びニューラルネットワークしきい値
学習部６の詳細図を示す。ニューラルネットワークしき
い値決定部５は、入力層、中間層、出力層及び連結部か
らなり、入力層には１次信号処理部３から出力されたデ
ータＵｓ1、Ｕｓ2、Ｕｓ3、Ｕｓ4、・・・Ｕｓｎを入力
し、このデータは入力層と中間層の連結部、中間層、中
間層と出力層の連結部を経て、出力層からニューラルネ
ットワークの出力データＵｏ1、Ｕｏ2、・・・Ｕｏｎを
出力する。この各連結部は複数の連結からなり、各連結
にはニューラルネットワークしきい値学習部６において
学習した学習データ（結合係数すなわちしきい値）が用
いられる。そこで、出力層の出力データは、この学習し
たしきい値により、次の処理において有効かつ適切な波
形切り出しを行うためのディジタル波形データとなる。
ここで、ニューラルネットワークしきい値学習部６につ
いて説明する。この学習部６は、入力層、中間層、出力
層及び連結部を有するニューラルネットワーク、比較部
及び教師データ供給部からなり、次のように学習する。
学習モード切替部４を決定側から学習側に切替え、１次
信号処理部３から出力されたデータＵｓ1、Ｕｓ2、Ｕｓ
3、Ｕｓ4、・・・Ｕｓｎを入力層に入力し、入力層と中
間層の連結部、中間層、中間層と出力層の連結部を経
て、出力層からニューラルネットワークの出力データＵ
ｏ1、Ｕｏ2、・・・Ｕｏｎを出力する。一方、教師デー
タ供給部から教師信号Ｕｔ1、Ｕｔ2、・・・Ｕｔｎを供
給し、比較部において出力層の出力データと教師信号を
比較し、その誤差を各連結にフィードバックする。この
学習を誤差が許容する小さな範囲になるまで繰り返す。
このようにして、各連結の結合係数（しきい値）が決ま
る。この学習によって、取り込まれた紙幣信号、及び紙
葉類の強度に対し、次の処理において波形を切り出すた
めの適切なしきい値が得られる。
しきい値決定部５及びニューラルネットワークしきい値
学習部６の詳細図を示す。ニューラルネットワークしき
い値決定部５は、入力層、中間層、出力層及び連結部か
らなり、入力層には１次信号処理部３から出力されたデ
ータＵｓ1、Ｕｓ2、Ｕｓ3、Ｕｓ4、・・・Ｕｓｎを入力
し、このデータは入力層と中間層の連結部、中間層、中
間層と出力層の連結部を経て、出力層からニューラルネ
ットワークの出力データＵｏ1、Ｕｏ2、・・・Ｕｏｎを
出力する。この各連結部は複数の連結からなり、各連結
にはニューラルネットワークしきい値学習部６において
学習した学習データ（結合係数すなわちしきい値）が用
いられる。そこで、出力層の出力データは、この学習し
たしきい値により、次の処理において有効かつ適切な波
形切り出しを行うためのディジタル波形データとなる。
ここで、ニューラルネットワークしきい値学習部６につ
いて説明する。この学習部６は、入力層、中間層、出力
層及び連結部を有するニューラルネットワーク、比較部
及び教師データ供給部からなり、次のように学習する。
学習モード切替部４を決定側から学習側に切替え、１次
信号処理部３から出力されたデータＵｓ1、Ｕｓ2、Ｕｓ
3、Ｕｓ4、・・・Ｕｓｎを入力層に入力し、入力層と中
間層の連結部、中間層、中間層と出力層の連結部を経
て、出力層からニューラルネットワークの出力データＵ
ｏ1、Ｕｏ2、・・・Ｕｏｎを出力する。一方、教師デー
タ供給部から教師信号Ｕｔ1、Ｕｔ2、・・・Ｕｔｎを供
給し、比較部において出力層の出力データと教師信号を
比較し、その誤差を各連結にフィードバックする。この
学習を誤差が許容する小さな範囲になるまで繰り返す。
このようにして、各連結の結合係数（しきい値）が決ま
る。この学習によって、取り込まれた紙幣信号、及び紙
葉類の強度に対し、次の処理において波形を切り出すた
めの適切なしきい値が得られる。
【０００８】次に、ニューラルネットワーク紙幣・紙葉
類信号出力部９及びニューラルネットワーク紙幣・紙葉
類学習部１０を説明する。この紙幣・紙葉類信号出力部
９及び紙幣・紙葉類学習部１０のニューラルネットワー
クは、図２のニューラルネットワークしきい値決定部５
及びニューラルネットワークしきい値学習部６の構成並
びに学習方法と同一であるので、相違点のみ述べる。な
お、対応部分を（ ）内に示した。ニューラルネットワ
ーク紙幣・紙葉類信号出力部９は、入力層に２次信号処
理部７から出力されたディジタル信号の数と強度のデー
タを入力し、出力層から紙幣、及び紙葉類の種類を表す
信号を出力する。各層間の連結部の各連結は、ニューラ
ルネットワーク紙幣・紙葉類学習部１０において学習し
た学習データ（結合係数）が用いられる。ここで、ニュ
ーラルネットワーク紙幣・紙葉類学習部１０は、出力側
から学習側に切替えられた学習モード切替部８を介し
て、２次信号処理部７から出力されたデータを入力層に
入力し、中間層を経て、出力層からニューラルネットワ
ークの出力信号を出力する。一方、教師データ供給部か
ら教師信号を供給し、比較部において出力層の出力信号
と教師信号を比較し、その誤差を各層間の各連結にフィ
ードバックする。この学習を誤差が許容する小さな範囲
になるまで繰り返し、各連結の結合係数を決定する。
類信号出力部９及びニューラルネットワーク紙幣・紙葉
類学習部１０を説明する。この紙幣・紙葉類信号出力部
９及び紙幣・紙葉類学習部１０のニューラルネットワー
クは、図２のニューラルネットワークしきい値決定部５
及びニューラルネットワークしきい値学習部６の構成並
びに学習方法と同一であるので、相違点のみ述べる。な
お、対応部分を（ ）内に示した。ニューラルネットワ
ーク紙幣・紙葉類信号出力部９は、入力層に２次信号処
理部７から出力されたディジタル信号の数と強度のデー
タを入力し、出力層から紙幣、及び紙葉類の種類を表す
信号を出力する。各層間の連結部の各連結は、ニューラ
ルネットワーク紙幣・紙葉類学習部１０において学習し
た学習データ（結合係数）が用いられる。ここで、ニュ
ーラルネットワーク紙幣・紙葉類学習部１０は、出力側
から学習側に切替えられた学習モード切替部８を介し
て、２次信号処理部７から出力されたデータを入力層に
入力し、中間層を経て、出力層からニューラルネットワ
ークの出力信号を出力する。一方、教師データ供給部か
ら教師信号を供給し、比較部において出力層の出力信号
と教師信号を比較し、その誤差を各層間の各連結にフィ
ードバックする。この学習を誤差が許容する小さな範囲
になるまで繰り返し、各連結の結合係数を決定する。
【０００９】以下、本発明により、例えば１万円札を判
別する例を説明する。センサ部（磁性センサとする）１
は１万円札の特徴的な一部をアナログ波形として取得
し、Ａ／Ｄ信号変換部２おいて図３（ａ）に示すディジ
タル波形に変換する。図３において、縦軸は紙幣の磁気
インク量、横軸は磁性センサと紙幣搬送の相対速度、上
部のディジタル波形は実測値、下部のそれはセンサの出
力レベルをそれぞれ示す。図３（ａ）の波高値の大きい
部分が１万円札の特徴的な一部の波形を示す。１次信号
処理部３において、この図３（ａ）の波形はノイズ成分
の除去及び波形成形の処理がなされ、図３（ｂ）のよう
な波形を出力する。しかし、図３（ｂ）から明らかなよ
うに、１万円札の紙幣信号は微弱な信号から大きな信号
まであらゆる強度の信号を含んでいる。そこで、ニュー
ラルネットワークしきい値決定部５は、ニューラルネッ
トワークしきい値学習部６において学習したしきい値を
用い、図３（ｂ）の波形を取り込んで、次の２次信号処
理部７において有効かつ適切な波形を切り出すためのデ
ィジタル波形データを出力する。２次信号処理部７は、
このディジタル波形データを図３（ｃ）に示すように１
万円札の特徴とするディジタル信号の数と強度のデータ
として加工する。しかし、同種の１万円札でも、前述の
ように紙幣の「汚れ」により、２次信号処理部７の加工
データにはディジタル信号の数とその強度にバラツキが
生ずる。そこで、ニューラルネットワーク紙幣・紙葉類
信号出力部９は、ニューラルネットワーク紙幣・紙葉類
学習部１０において同種の紙幣データを学習した結合係
数を用い、入力した加工データに多少のバラツキがあっ
てもすなわち１万円札の汚れが許容範囲であれば、１万
円札と判断し、１万円札を表す信号を出力する。この出
力信号を判定部１１において１万円札と判定し、判定結
果を表示部１２に表示する。
別する例を説明する。センサ部（磁性センサとする）１
は１万円札の特徴的な一部をアナログ波形として取得
し、Ａ／Ｄ信号変換部２おいて図３（ａ）に示すディジ
タル波形に変換する。図３において、縦軸は紙幣の磁気
インク量、横軸は磁性センサと紙幣搬送の相対速度、上
部のディジタル波形は実測値、下部のそれはセンサの出
力レベルをそれぞれ示す。図３（ａ）の波高値の大きい
部分が１万円札の特徴的な一部の波形を示す。１次信号
処理部３において、この図３（ａ）の波形はノイズ成分
の除去及び波形成形の処理がなされ、図３（ｂ）のよう
な波形を出力する。しかし、図３（ｂ）から明らかなよ
うに、１万円札の紙幣信号は微弱な信号から大きな信号
まであらゆる強度の信号を含んでいる。そこで、ニュー
ラルネットワークしきい値決定部５は、ニューラルネッ
トワークしきい値学習部６において学習したしきい値を
用い、図３（ｂ）の波形を取り込んで、次の２次信号処
理部７において有効かつ適切な波形を切り出すためのデ
ィジタル波形データを出力する。２次信号処理部７は、
このディジタル波形データを図３（ｃ）に示すように１
万円札の特徴とするディジタル信号の数と強度のデータ
として加工する。しかし、同種の１万円札でも、前述の
ように紙幣の「汚れ」により、２次信号処理部７の加工
データにはディジタル信号の数とその強度にバラツキが
生ずる。そこで、ニューラルネットワーク紙幣・紙葉類
信号出力部９は、ニューラルネットワーク紙幣・紙葉類
学習部１０において同種の紙幣データを学習した結合係
数を用い、入力した加工データに多少のバラツキがあっ
てもすなわち１万円札の汚れが許容範囲であれば、１万
円札と判断し、１万円札を表す信号を出力する。この出
力信号を判定部１１において１万円札と判定し、判定結
果を表示部１２に表示する。
【００１０】なお、紙幣の「汚れ」により、２次信号処
理部７の加工データにはディジタル信号の数とその強度
にバラツキが生ずる例を説明したが、紙幣とセンサーの
測定間隔が狭すぎたり又は広すぎたり、紙幣の送り速度
が速すぎたり又は遅すぎたりあるいは紙幣の状態「き
ず」、「しわ」等により、ディジタル信号の数とその強
度にバラツキが生じても、同じ効果を奏する。また、本
発明は、１万円札以外の他種紙幣、及び紙葉類の判別に
も同様に適用できることは云うまでもない。
理部７の加工データにはディジタル信号の数とその強度
にバラツキが生ずる例を説明したが、紙幣とセンサーの
測定間隔が狭すぎたり又は広すぎたり、紙幣の送り速度
が速すぎたり又は遅すぎたりあるいは紙幣の状態「き
ず」、「しわ」等により、ディジタル信号の数とその強
度にバラツキが生じても、同じ効果を奏する。また、本
発明は、１万円札以外の他種紙幣、及び紙葉類の判別に
も同様に適用できることは云うまでもない。
【００１１】
【発明の効果】本発明によれば、次の効果を奏する。 （１）紙幣、及び紙葉類の判別にあたって、複雑な紙
幣、及び紙葉類のセンサ信号に対して、ニューラルネッ
トワークを用いて有効かつ適切な波形切り出しのための
しきい値を調整するので、紙幣、及び紙葉類の信号の処
理を簡単にかつ確実にできる。 （２）各種の紙幣、及び紙葉類の判別に適応が可能であ
る。 （３）紙幣、及び紙葉類とセンサの間隔が厳密に一定に
保持しなくとも、また、紙幣、及び紙葉類の搬送速度が
多少変動（手動でもよい）しても、あるいは、紙幣、及
び紙葉類に多少の「きず」「汚れ」「しわ」等があって
も、ニューラルネットワークの機能により、紙幣、及び
紙葉類の種類を容易にかつ確実に判別できる。
幣、及び紙葉類のセンサ信号に対して、ニューラルネッ
トワークを用いて有効かつ適切な波形切り出しのための
しきい値を調整するので、紙幣、及び紙葉類の信号の処
理を簡単にかつ確実にできる。 （２）各種の紙幣、及び紙葉類の判別に適応が可能であ
る。 （３）紙幣、及び紙葉類とセンサの間隔が厳密に一定に
保持しなくとも、また、紙幣、及び紙葉類の搬送速度が
多少変動（手動でもよい）しても、あるいは、紙幣、及
び紙葉類に多少の「きず」「汚れ」「しわ」等があって
も、ニューラルネットワークの機能により、紙幣、及び
紙葉類の種類を容易にかつ確実に判別できる。
【図１】本発明の実施例であり、紙幣、及び紙葉類の判
別方法の構成図を示す。
別方法の構成図を示す。
【図２】ニューラルネットワークしきい値決定部５及び
ニューラルネットワークしきい値学習部６（または、ニ
ューラルネットワーク紙幣・紙葉類信号出力部９及びニ
ューラルネットワーク紙幣・紙葉類学習部１０）の詳細
図を示す。
ニューラルネットワークしきい値学習部６（または、ニ
ューラルネットワーク紙幣・紙葉類信号出力部９及びニ
ューラルネットワーク紙幣・紙葉類学習部１０）の詳細
図を示す。
【図３】（ａ）Ａ／Ｄ信号変換部の出力波形、（ｂ）１
次信号処理部の出力波形、（ｃ）２次信号処理部の出力
波形をそれぞれ示す。
次信号処理部の出力波形、（ｃ）２次信号処理部の出力
波形をそれぞれ示す。
１ センサ部 ２ Ａ／Ｄ信号変換部 ３ １次信号処理部 ４、８ 学習モード切替部 ５ ニューラルネットワークしきい値決定部 ６ ニューラルネットワークしきい値学習部 ７ ２次信号処理部 ９ ニューラルネットワーク紙幣・紙葉類信号出力部 １０ ニューラルネットワーク紙幣・紙葉類学習部 １１ 判定部 １２ 表示部
Claims (1)
- 【請求項１】 紙幣、及び紙葉類の信号を検出するセン
サと、ノイズ成分除去及び波形成形する１次信号処理部
と、ニューラルネットワークしきい値決定部並びにしき
い値学習部と、２次信号処理部と、ニューラルネットワ
ーク紙幣・紙葉類信号出力部並びに紙幣・紙葉類学習部
と、判定部及び表示部からなり、前記ニューラルネット
ワークしきい値学習部おいて前記２次信号処理部が有効
かつ適切な波形切り出しを行うためのしきい値を学習
し、このしきい値を用いた前記ニューラルネットワーク
しきい値決定部に前記１次信号処理部からの波形データ
を入力し、前記しきい値決定部が出力した波形データを
前記２次信号処理部においてパターン化し、一方、ニュ
ーラルネットワーク紙幣・紙葉類学習部において紙幣、
及び紙葉類のデータを学習し、この学習に基づいて、前
記ニューラルネットワーク紙幣・紙葉類信号出力部から
前記パターン化した波形データに対応した紙幣、及び紙
葉類の信号を出力し、前記判定部において正誤及び種類
等を判定し、前記表示部にその判定結果を表示すること
を特徴とする紙幣、及び紙葉類の判別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3141062A JP2589604B2 (ja) | 1991-05-16 | 1991-05-16 | 紙幣、及び紙葉類の判別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3141062A JP2589604B2 (ja) | 1991-05-16 | 1991-05-16 | 紙幣、及び紙葉類の判別方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05101250A true JPH05101250A (ja) | 1993-04-23 |
| JP2589604B2 JP2589604B2 (ja) | 1997-03-12 |
Family
ID=15283365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3141062A Expired - Lifetime JP2589604B2 (ja) | 1991-05-16 | 1991-05-16 | 紙幣、及び紙葉類の判別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2589604B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0715740A1 (en) * | 1993-08-27 | 1996-06-12 | Jeffrey A. Norris | Closed loop financial transaction method and apparatus |
| JPH097023A (ja) * | 1995-06-20 | 1997-01-10 | Oki Electric Ind Co Ltd | 紙葉類鑑別装置 |
| US5940811A (en) * | 1993-08-27 | 1999-08-17 | Affinity Technology Group, Inc. | Closed loop financial transaction method and apparatus |
| US6505176B2 (en) | 1998-06-12 | 2003-01-07 | First American Credit Management Solutions, Inc. | Workflow management system for an automated credit application system |
| US6587841B1 (en) | 1995-09-12 | 2003-07-01 | First American Credit Management Solutions, Inc. | Computer implemented automated credit application analysis and decision routing system |
| US7181427B1 (en) | 1995-09-12 | 2007-02-20 | Jp Morgan Chase Bank, N.A. | Automated credit application system |
| US9378525B2 (en) | 2003-07-31 | 2016-06-28 | Dealertrack, Inc. | Integrated electronic credit application, contracting and securitization system and method |
-
1991
- 1991-05-16 JP JP3141062A patent/JP2589604B2/ja not_active Expired - Lifetime
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0715740A1 (en) * | 1993-08-27 | 1996-06-12 | Jeffrey A. Norris | Closed loop financial transaction method and apparatus |
| EP0715740A4 (en) * | 1993-08-27 | 1997-03-05 | Jeffrey A Norris | CLOSED LOOP FINANCIAL TRANSACTION METHOD AND APPARATUS |
| US5870721A (en) * | 1993-08-27 | 1999-02-09 | Affinity Technology Group, Inc. | System and method for real time loan approval |
| US5940811A (en) * | 1993-08-27 | 1999-08-17 | Affinity Technology Group, Inc. | Closed loop financial transaction method and apparatus |
| US6105007A (en) * | 1993-08-27 | 2000-08-15 | Affinity Technology Group, Inc. | Automatic financial account processing system |
| JPH097023A (ja) * | 1995-06-20 | 1997-01-10 | Oki Electric Ind Co Ltd | 紙葉類鑑別装置 |
| US6587841B1 (en) | 1995-09-12 | 2003-07-01 | First American Credit Management Solutions, Inc. | Computer implemented automated credit application analysis and decision routing system |
| US7181427B1 (en) | 1995-09-12 | 2007-02-20 | Jp Morgan Chase Bank, N.A. | Automated credit application system |
| US7801807B2 (en) | 1995-09-12 | 2010-09-21 | Dealertrack, Inc. | Computer implemented automated credit application analysis and decision routing system |
| US7814002B2 (en) | 1995-09-12 | 2010-10-12 | Dealertrack, Inc. | Computer implemented automated credit application analysis and decision routing system |
| US6505176B2 (en) | 1998-06-12 | 2003-01-07 | First American Credit Management Solutions, Inc. | Workflow management system for an automated credit application system |
| US9378525B2 (en) | 2003-07-31 | 2016-06-28 | Dealertrack, Inc. | Integrated electronic credit application, contracting and securitization system and method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2589604B2 (ja) | 1997-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS63228286A (ja) | 監視方式並びに該方式を利用する分類装置 | |
| WO2004023402A1 (ja) | 紙葉類特徴検出装置及び紙葉類特徴検出方法 | |
| US20020044677A1 (en) | Denomination identification | |
| JP2589604B2 (ja) | 紙幣、及び紙葉類の判別方法 | |
| JPH08180189A (ja) | 紙葉類の真贋判定方法及び装置 | |
| DE602004008815T2 (de) | Dokumentenverarbeitungsgerät mit Detektoren-Verstärkungssteuerung | |
| EP0880114B1 (en) | A system for authenticating printed documents | |
| JPH06301840A (ja) | 紙幣識別方法 | |
| JP2007079792A (ja) | 紙葉類処理装置及びこれに使用されるヘッダカード | |
| JPS62206435A (ja) | 紙葉類の鑑別装置 | |
| JP4332414B2 (ja) | 紙葉類取扱装置 | |
| JP2511488B2 (ja) | 紙葉類判別装置 | |
| JP4401961B2 (ja) | 紙葉類処理装置 | |
| JPH04199489A (ja) | 紙幣処理装置 | |
| JPH0660242A (ja) | 紙葉類の認識装置 | |
| JP4306027B2 (ja) | 紙葉類の真偽鑑別装置 | |
| US10740997B2 (en) | Valuable media substrate validation | |
| JP2635994B2 (ja) | 紙幣識別装置 | |
| JPH0973572A (ja) | 紙幣判別方法 | |
| JPS63182798A (ja) | 紙葉類汚損判別装置 | |
| JPS63310458A (ja) | 紙葉類処理装置 | |
| JPH09282516A (ja) | 印刷パターンの真偽判別方法 | |
| 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 | |
| JPH08263717A (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 |
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: 19960903 |