KR20210073361A - 지폐 감별 장치 - Google Patents

Abstract

본 발명은 지폐의 권종, 국가의 추가시에도 학습량 증가를 최소화하여, 학습데이터의 마련 및 지폐 감별에 쉽고 빠르게 적용 가능한 지폐 감별장치에 관한 것이다.

Description

지폐 감별 장치{BILL DISCRIMINATION APPARATUS}

본 발명은 지폐 감별 장치에 관한 것으로, 특히, 지폐의 권종, 국가의 추가시에도 학습량 증가를 최소화하여, 학습데이터의 마련 및 지폐 감별에 쉽고 빠르게 적용 가능한 지폐 감별장치에 관한 것이다.

은행가 같이 다량의 화폐 특히, 지폐를 처리하는 기관, 단체, 회사에서는 지폐의 수를 게수하기 위해 계수기를 이용한다. 일반적으로 계수기는 지폐용과 동전용으로 구분된다.

지폐 계수기의 경우 과거에는 지폐의 수량만을 파악할 수 있는 기능에 불과하던 것이 최근에는 위폐 및 권종도 구분할 수 있도록 통합된 기능을 장치로 개량되어 이용되고 있다.

이를 위해 최근의 지폐 계수기는 가시광, 자외선, 적외선, 자기와 같은 다양한 정보를 지폐의 계수과정에서 취득하여, 이를 처리함으로써 권종, 위폐여부, 수량을 분석하는 것이 일반적이다.

이러한 처리를 좀 더 효율적이고 정확하게 할 수 있도록 최근에는 습득된 데이터를 딥러닝(또는 머신러닝) 기법이 적용된 장치가 개발되어 이용되고 있다. 이러한 딥러닝을 이용한 장치는 구분하고자 하는 권종을 사전학습시키고, 학습데이터에 의해 판별하도록 하여 위폐, 권종을 구분하는 방식이다.

딥러닝 방식을 적용함으로써 위폐 신기술에 대한 대응폭이 커지고, 정확도가 향상되도록 할 수 있었지만, 사전학습에 따른 문제점이 제기되고 있다.

일례로 하나의 학습데이터를 통해 지폐 판별을 수행하기 때문에 판별을 위한국가 또는 권종이 추가되는 경우 전체 권종에 대한 재학습이 필요하며, 권종 및 국가의 수가 증가할 수록 학습에 소요되는 시간과 노력이 기하급수적으로 증가하는 문제점이 있다.

대한민국 등록특허 제10-1965751호(등록일 2019년 03월 29일) 회선 신경망 기반 다국가 권종 분류 장치 및 방법

따라서, 본 발명의 목적은 이러한 문제점을 해소하기 위한 것으로, 지폐의 권종, 국가의 추가시에도 학습량 증가를 최소화하여, 학습데이터의 마련 및 지폐 감별에 쉽고 빠르게 적용 가능한 지폐 감별장치를 제공하는 것이다.

상기 목적을 달성하기 위하여 본 발명에 따른 지폐 감별 장치는 감별 대상인 지폐의 지폐데이터를 생성하는 지폐데이터 획득부; 상기 지폐데이터를 미리 학습된 제1알고리즘에 의해 판별하여 지폐 사용 권역을 판별하고, 상기 권역이 판별된 상기 지폐데이터를 미리 학습된 제2알고리즘에 의해 판별하여 권종을 판별하는 연산부; 및 상기 제1알고리즘 및 상기 제2알고리즘이 저장되는 저장부;를 구비한다.

본 발명에 따른 지폐 감별 장치는 지폐의 권종, 국각의 추가시에도 학습량 증가를 최소화하여, 학습데이터의 마련 및 지폐 감별에 쉽고 빠르게 적용하여 이용할 수 있다.

도 1은 본 발명에 따른 지폐 감별 장치의 구성을 개략적으로 도시한 예시도.
도 2는 지폐 감별 알고리즘의 학습 및 이를 이용한 감별과정을 설명하기 위한 예시도.
도 3은 지폐 감별 알고리즘을 통한 감별체계를 설명하기 위한 예시도.
도 4는 본 발명에 따른 지폐 감별 방법을 설명하기 위한 예시도.

이하, 본 발명의 실시예를 첨부한 도면을 참조하여 당해 분야의 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명하기로 한다. 첨부된 도면들에서 구성에 표기된 도면번호는 다른 도면에서도 동일한 구성을 표기할 때에 가능한 한 동일한 도면번호를 사용하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 도면에 제시된 어떤 특징들은 설명의 용이함을 위해 확대 또는 축소 또는 단순화된 것이고, 도면 및 그 구성요소들이 반드시 적절한 비율로 도시되어 있지는 않다. 그러나 당업자라면 이러한 상세 사항들을 쉽게 이해할 것이다.

도 1은 본 발명에 따른 지폐 감별 장치의 구성을 개략적으로 도시한 예시도이다.

도 1을 참조하면, 본 발명에 따른 지폐 감별 장치는 구동부(10), 저장부(20), 지폐 데이터 획득부(30), 연산부(40) 및 결과출력부(50)를 포함하여 구성될 수 있다.

이하에서 설명되는 감별 장치는 딥러닝의 초기 학습장치에 대한 구성을 별도로 설명하지 않고 감별장치 위주로 설명을 진행하기로 한다. 학습장치의 경우 감별장치와 유사한 구성에 의해 구현되거나, 컴퓨터를 이용한 환경하에서 이루어질 수도 있는 등 다양한 형태로의 구성이 가능하기 때문에 학습장치에 대해서는 구체적인 형태를 한정하지 않고 설명을 진행하기로 한다. 따라서, 하기에서 감별 장치 구동은 학습 장치의 구동으로 해석이 가능하며, 일례로, '감별'이라는 기재는 특별히 '감별'과 '학습'을 구분할 필요가 있는 경우를 제외하고 '학습'이라는 용어로 대체되어 해석이 가능하다.

구동부(10)는 감별이 필요한 지폐를 지정된 위치로 이동시키는 역할을 한다. 즉, 감별 장치의 적재함에 감별된 지폐를 지폐 데이터 획득부(30)의 센서들이 위치한 곳으로 이동시키거나, 배출구로 이동시키기 위해 마련된다. 이러한 구동부(10)는 모터, 기어, 휠, 롤러와 같은 장치로 구성될 수 있으며, 투입된 지폐를 낱장으로 분리, 분리된 지폐의 이송 및 배출과 관련된 동작을 수행한다. 이 구동부(10)는 지폐의 이동위치, 정상 동작 여부를 감지하기 위해 지폐 데이터 획득부(30)에 포함되는 센서장치와는 다른 센서장치를 포함하여 구성될 수 있다. 일례로, 광센서를 구비하여 지폐의 이동, 위치, 기울어짐과 같은 사항을 검출할 수 있으며, 이외에도 다양한 센서를 복수로 구비할 수 있다. 이러한 구동부(10)는 연산부(40)의 제어에 따라 동작한다.

저장부(20)는 학습데이터와 학습데이터의 적용이 가능한 감별알고리즘이 저장되며, 연산부(40)의 요청에 따라 제공된다. 본 발명의 감별장치는 복수의 학습데이터가 적용되는 감별알고리즘을 포함한다. 이하에서는 감별알고리즘이 해당 학습데이터를 포함하는 것으로 정의하여 설명을 진행하기로 한다.

구체적으로 감별알고리즘은 사용권역 또는 국가를 구분하기 위한 제1알고리즘과, 권역 또는 국가별 권종을 구분하기 위한 제2알고리즘을 포함하여 구성된다. 특히, 제2알고리즘은 감별 대상인 권역 또는 국가별로 마련되어, 복수의 알고리즘이 마련된다. 즉, 제1알고리즘에 의해 호주 달러인지, 미국달러인지, 영국 파운드화인지와 같이 통화의 사용 권역이 구분된다. 그리고 제2알고리즘에 의해 해당 통화의 1달러 지폐인지, 10달러 지폐인지와 같은 사항이 구분된다. 특히, 제2알고리즘에는 지폐의 위폐, 훼손여부를 감별하는 알고리즘이 포함될 수 있다.

이러한 감별알고리즘은 사전에 학습을 통해 학습데이터가 마련되고, 이 학습데이터가 적용되어 알고리즘이 완성된다. 특히, 신권의 추가와 같이 권종이 변경되는 국각가 발생되는 경우 해당 권역에 해당하는 제 2알고리즘과 제1알고리즘을 재학습하여 신권의 감별을 위한 알고리즘이 마련된다.

지폐 데이터 획득부(30)는 감별하고자 하는 지폐의 데이터를 획득하고, 획득된 데이터는 연산부(40)에 전달한다. 지폐 데이터 획득부(30)에 의해 획득되는 데이터는 영상 데이터, 자기 데이터와 같이 다양한 형태의 데이터가 획득될 수 있으며, 이를 위해 각 데이터를 획득하는 센서, 촬영장치가 마련될 수 있다. 특히, 본 발명의 감별알고리즘을 적용하기 위해 가시광, 적외선, 및 자외선 중 어느 하나 이상에 의해 촬영된 영상데이터가 지폐 데이터 획득부(30)에 의해 획득되어 연산부(40)에 전달된다.

연산부(40)는 지폐 데이터 획득부(30)에 의해 전달된 지폐데이터를 감별알고리즘에 적용하여 지폐의 권역구분 및 권종 구분을 수행한다. 구체적으로 연산부(40)는 지폐데이터가 전달되면 이를 제1알고리즘에 적용하여 권역을 판별한다. 그리고 연산부(40)는 판별된 권역에 해당하는 제2알고리즘에 지폐데이터를 입력하여 권종을 판별한다. 이때, 연산부(40)는 제2알고리즘을 이용하여 위폐 판별, 지폐 훼손 판별 및 방향 판별을 수행할 수도 있다. 이에 대해서는 하기에서 좀 더 구체적으로 설명을 진행하기로 한다. 아울러, 연산부(40)는 결과출력부(50)를 통해 판별결과를 출력함과 아울러, 구동부(10)를 제어하여 지폐를 이동시키는 과정을 수행하게 된다. 일례로 연산부(40)는 구동부(10)를 통해 판별된 지폐를 배출위치로 이송하거나, 적재위치로 되돌릴 수 있으며, 위폐나 훼손된 지폐를 별도의 적재장소로 이동시킬 수 있다. 이러한 구동부(10)의 동작은 구동부(10)의 기능, 형태, 구체적인 구성에 따라 달라질 수 있는 것으로, 본 발명에서는 특별한 어느 한 형태로 제한하는 것은 아니다.

결과출력부(50)는 연산부(40)로부터 전달되는 판별결과를 출력하여 제공한다. 이러한 결과출력부(50)는 감별장치에 마련되는 음향출력부 또는 표시장치를 통해 감별결과를 출력할 수도 있고, 데이터 형태로 저장하거나, 별도의 단말장치에 판별결과를 전달하는 형태로 결과를 출력할 수도 있다. 이를 위해 결과출력부(50)는 음향출력부 또는 표시장치로의 출력을 위한 구동회로를 구비하거나, 데이터 형태로 저장 또는 전달을 위한 인터페이스 또는 통신모듈을 포함하여 구성될 수 있다.

도 2는 지폐 감별 알고리즘의 학습 및 이를 이용한 감별과정을 설명하기 위한 예시도이고, 도 3은 지폐 감별 알고리즘을 통한 감별체계를 설명하기 위한 예시도이다.

도 2 및 도 3을 참조하면, 본 발명의 지폐 감별은 2단계에 걸쳐 수행된다. 우선, 지폐의 권역을 구분하고, 구분된 권역에 따라 권종을 구체적으로 판별하는 과정이 수행된다. 이로 인해, 학습 과정도 권역과 각 권종별로 진행된다.

이러한 2단계의 판별 방법은 기존의 딥 러닝을 이용한 권역 및 권종 판별 방법에 비해 많은 장점을 가진다. 구체적으로 감별해야할 권역 및 권종의 수가 많아질 수록 기존 방법에 비해 학습 및 판별 시간이 감소된다. 또한, 학습을 위해 소요되는 시간도 기존 방법에 비해 감소시킬 수 있다. 특히, 신권의 추가가 발생하는 경우 재학습 시간이획기적으로 감소한다.

구체적으로 권역 및 권종을 한번에 판별하기 위해서는 권종의 수에 따라 학습시간이 기하급수적으로 증가하게 된다. 더욱이 권종의 추가가 발생하면 기존 데이터를 무시하고 처음부터 모든 권종에 재학습이 필요하여 학습 소요시간이 크게 증가하고, 신권의 빠른 추가가 곤란하다.

반면에 본 발명의 경우 추가된 권종이 속한 권역의 권종들 즉, 복수의 알고리즘 중 해당 권역의 제2알고리즘과 권역을 구분하기 위한 제1알고리즘만을 재학습시킴으로써 학습소요시간을 감소시키는 것이 가능하다. 특히, 제1알고리즘과 복수의 제2알고리즘으로 구분함으로써 알고리즘 각각의 학습내용이 감소하여 삭습 소요시간을 기존에 비해 더욱 감소시킬 수 있게 된다.

이러한 학습을 위해서 제2알고리즘은 각 권역 즉, 미국, 호주, 유럽, 한국과 같이 같은 화폐를 사용하는 지역별로 마련된다. 그리고, 제1알고리즘은 지페가 어느 권역에 속하는지 판별하기 위해 마련된다.

이때 제2알고리즘은 각각의 권역에 대한 모든 지폐를 학습데이터로 하여 학습이 이루어지며, 종래에 공지된 학습방법과 감별방법을 적용하는 것이 가능하다. 특히, 제2알고리즘은 도 3에서와 같이 기존의 딥러닝을 이용한 지폐 감별 방법에서와 같이 위폐여부, 훼손여부, 지폐의 방향과 같은 사항도 판별하도록 할 수 있다. 이를 위해, 지폐데이터를 전처리하여 제2알고리즘에 의해 처리 가능한 형태로 처리하고, 이를 이용하여 지폐의 세부적인 사항을 감별하게 된다.

반면, 본 발명에서 제1알고리즘은 권역을 구분하는 용도로만 이용된다. 이를 통해, 딥러닝 알고리즘을 2단계로 구성함으로써 발생될 수 있는 지연을 최소화하고 빠른 처리가 이루어질 수 있게 한다.

이를 위해 제1알고리즘은 도 2도시된 것과 같은 데이터를 이용하여 학습이 이루어진다. 구체적으로 제1알고리즘의 학습을 이해 각 권역별로 지폐의 통합데이터가 마련된다. 지폐의 통합데이터는 각 권역의 지폐가 가지는 특징을 추출한 것으로 기하학적 특징 또는 특정 요소의 구도나 배치일 수 있다.

구체적으로 우리나라의 지폐 앞면을 예로 들면 도 2의 (a), (b)에서와 같은 형태로 이해될 수 있다. 도 2의 (a)는 만원권 지폐의 앞면, (b)는 5만원권 지폐의 앞면을 도시한 것이다.

우리나라 지폐(60: 60a, 60b)의 형태를 살펴보면, 숫자 금액표시(61:61a, 61b, 65: 65a, 65b), 한글 금액표시(63: 63a, 63b)와 함께 위인의 초상(62: 62a, 62b)가 표시된다.

숫자 금액표시(61, 65), 한글 금액표시(63) 및 위인의 초상(62)은 권종별로 정확한 위치와 크기가 차이를 갖지만 지폐(60)에서 대략적인 위치는 유사하게 나타난다. 특히, 권종별로 지폐의 차이가 나기 때문에 지폐의 크기를 일치시키는 경우 이러한 위치는 거의 같은 곳에 자리하게 된다.

이러한 특징으로 이용하여 통합데이터는 각 권종의 중첩시키고 단순화시켜서 기하적 특징이 두드러지도록 처리된다. 또는 특징점 즉, 숫자 금액표시(61), 한글금액표시(63) 및 위인의 초상(62) 간의 거리, 각도와 같은 사항을 확인할 수 있는 상태로 단순화시키게 된다.

이러한 방식으로 작성된 통합데이터는 (c)와 유사해질 수 있다. 즉, 중첩에 의해 특징점인 숫자 금액표시(61), 한글금액표시(63) 및 위인의 초상(62)이 존재하는 부분의 특징들만 남겨지게 된다. 이때, 각 특징점은 중첩에 의해 영역 형태로 추출되어 세부적인 내용은 기재되지 않게 된다. 즉, 위인의 초상에 대한 도형(62c), 숫자 금액표시영역(61c, 65c), 글자 금액 표시 영역(63c)와 같이 나타나게 된다.

이러한 과정에서 각 권종에만 나타는 표시는 사라지게 된다. 예를 들어 만원권 지폐(60a) 하단의 띠 형태의 무늬(64a)와 오만원권 지폐(60b) 하단의 마크(64b)와 같이 특정 권종에만 부여되는 무늬, 형상들은 생략되고, 공통적인 형태와 배치들만 통합데이터에 남게된다.

이를 딥러닝의 정답 데이터를 활용하여 학습을 진행하고, 제1알고리즘에 의해 (c)와 같은 형태의 지폐 분석이 이루어지도록 학습이 이루어지게 된다. 이를 위해 각 권역별로 지폐를 통합하여 작성되는 통합데이터가 마련된다.

이와 같은 형태로 지폐로 부터 특징점에 대한 추출을 통해 권역을 부분하도록 함으로써 데이터 처리를 단순화할 수 있으며, 1차 알고리즘의 적용에 따른 시간 지연을 감소시키는 것이 가능해진다.

여기서, 통합데이터의 작성을 위한 데이터를 지폐의 가시광 이미지를 예로 들어 설명을 진행하였으나 이로써 본 발명을 한정하는 것은 아니다. 즉, 적외선 이미지 또는 자외선 이미지 또는 자기영상 중 전술한 바와 같이 지폐의 특징점의 구도, 배치를 확인할 수 있는 이미지인 경우 어느 것을 사용해도 무방하며, 이러한 영상 또는 이미지를 둘 이상 중첩하여 사용하여 통합데이터를 작성하는 것도 가능하다.

도 4는 본 발명에 따른 지폐 감별 방법을 설명하기 위한 예시도이다.

도 4를 참조하면, 본 발명에 따른 지폐 감별방법은 학습단계(S10), 지폐데이터 획득 단계(S20), 제1알고리즘 적용 단계(S30), 제2알고리즘 적용 단계(S40) 및 결과출력 단계(S50)을 포함하여 구성될 수 있다.

학습단계(S10)는 학습에 의해 제1알고리즘과 제2알고리즘을 마련하는 단계이다. 이 학습단계(S10)에서 권역별 지폐들에 대한 통합데이터가 작성되고, 통합데이터에 의해 권역을 구분하도록 제1알고리즘이 학습된다. 그리고, 각 권역별로 제2알고리즘이 마련되며, 권역별 지폐의 학습이 수행된다.

이를 위해 학습단계(S10)는 통합데이터 마련단계(S1), 제1알고리즘 학습 단계(S3), 제2알고리즘 학습단계(S5) 및 신권의 유무 확인 단계(S7)를 포함하여 구성될 수 있다.

통합데이터 마련 단계(S1)는 각 권역별 화폐에 대한 통합데이터를 생성하여, 권역별 화폐의 특징을 추출하는 단계이다. 즉, 통합데이터 마련 단계(S1)는 각 권역별로 화폐의 특징을 추출하여 각각의 통합데이터가 마련된다. 이 통합데이터 마련 단계(S1)는 신권 유무 확인 단계(S7)에서 신권이 확인되는 경우 신권을 포함한 권역별 화폐에 대한 통합데이터를 재생성하게 된다. 즉, 미국 달러화가 새로 발행되는 경우 미국 달러화에 대한 통합데이터가 재생성된다.

제1알고리즘 학습 단계(S3)는 통합데이터에 의해 권역을 구분하도록 제1알고리즘을 반복하여 처리하고, 이를 통해 학습이 진행되는 단계이다. 신권이 확인되는 경우 제1알고리즘 학습 단계(S3)가 재진행되며, 기존의 각 권역에 대한 통합데이터와 신권이 포함된 권역의 새로운 통합데이터를 이용하여 제1알고리즘의 학습을 다시 진행하게 된다. 즉, 미국 달러화의 신권이 발행되어 통합데이터가 재생성되는 경우 제1알고리즘 학습 단계(S3)에서는 기존에 생성된 다른 권역의 통합데이터와 새로 생성된 미국의 통합데이터를 이용하여 학습과정을 다시 진행하게 된다.

제2알고리즘 학습 단계(S5)는 지폐데이터에 의해 권역별 지폐의 감별처리를 반복적으로 수행하여 학습이 진행되는 단계이다. 제2알고리즘 학습 단계(S5)는 신권이 확인되는 경우 신권이 추가된 권역의 제2알고리즘에 대해 재학습을 수행한다. 즉, 전술한 예로 미국의 신권이 추가된 경우 미국에 대한 제2알고리즘을 재학습하게 된다.

신권 유무 확인 단계(S7)는 특정 권역에 새로운 종류의 화폐가 등장했는지 판단하는 단계이다. 신권이 확인되는 경우 통합데이터 작성 단계(S1) 및 이후의 단계가 다시 진행되며, 신권이 확인되지 않은 경우 제1 및 제2알고리즘을 적용하여 실제 지폐 감별에 이용하게 된다.

지폐데이터 획득 단계(S20)는 감별 대상인 지폐에 대해 지폐데이터 획득부(30)를 이용하여 지폐데이터를 획득하는 단계이다. 본 발명에서는 가시광 영상을 기본으로 하여 설명을 진행하고 있으나, 전술한 바와 같이 지폐에 감별에 사용되는 데이터 획득수단 중 복수의 권종에서 유사성이 높은 특징점을 추출할 수 있는 경우 가시광 이외에 다른 이미지 또는 데이터를 획득하여 사용하는 것이 가능하다.

제1알고리즘 적용 단계(S30)는 연산부(40)가 지폐데이터 획득 단계(S20)에서 획득된 지폐데이터에 제1알고리즘을 적용하여 지폐의 권역을 확인하는 단계이다. 즉, 감별대상인 지폐가 어느 권역에서 사용되는 지폐인지를 제1알고리즘 적용 단계(S30)에서 감별하게 된다. 그리고, 연산부(40)는 감별결과에 따라 해당 권역의 권종을 감별하기 위한 제2알고리즘을 호출하게 된다. 여기서, 복수의 지폐가 감별대상으로 투입되는 경우 처음 투입되는 몇 장의 지폐에 대해서는 제1알고리즘을 적용하거나, 일정한 간격 즉, 몇 장의 지폐 당 한 장의 지폐에 대해 제1알고리즘을 적용하여 권역을 감별할 수 있다.

제2알고리즘 적용 단계(S40)는 연산부(40)가 제1알고리즘 적용 단계(S30)에서 판별된 권역을 확인하고, 해당 권역의 제2알고리즘을 호출하여 지폐의 권종 및 기타 사항을 감별하는 단계이다. 여기서, 제2알고리즘 적용 단계(S40)에서 연산부(40)는 제2알고리즘을 통해 단지 권종만을 판별할 수도 있고, 위폐여부, 지폐 방향, 훼손 여부와 같은 추가적인 사항을 더 판단할 수도 있다.

결과 출력 단계(S50)는 연산부(40)과 결과출력부(50)를 통해 지폐 감별결과를 출력하는 단계이다. 이 결과 출력 단계(S50)에서 연산부(40)는 결과 출력이 이루어지는 장치에 적합하게 데이터를 가공하거나 출력형태를 변경하는 과정을 진행할 수 있으며, 결과에 따라 구동부(10)를 제어하는 과정이 포함될 수 있다.

이상에서 본 발명의 기술적 사상을 예시하기 위해 구체적인 예로 도시하고 설명하였으나, 본 발명은 상기와 같이 구체적인 실시 예와 동일한 구성 및 작용에만 국한되지 않고, 여러가지 변형이 본 발명의 범위를 벗어나지 않는 한도 내에서 실시될 수 있다. 따라서, 그와 같은 변형도 본 발명의 범위에 속하는 것으로 간주해야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.

10: 구동부 20: 저장부
30: 지폐데이터 획득부 40: 연산부
50: 결과 출력부 60: 지폐
61, 65: 숫자 금액표시 62: 위인의 초상
63: 한글 금액표시 64: 무늬

Claims (5)

1. 감별 대상인 지폐의 지폐데이터를 생성하는 지폐데이터 획득부;
   상기 지폐데이터를 미리 학습된 제1알고리즘에 의해 판별하여 지폐 사용 권역을 판별하고, 상기 권역이 판별된 상기 지폐데이터를 미리 학습된 제2알고리즘에 의해 판별하여 권종을 판별하는 연산부; 및
   상기 제1알고리즘 및 상기 제2알고리즘이 저장되는 저장부;를 구비하는 지폐 감별 장치.
2. 제 1 항에 있어서,
   상기 제2알고리즘은
   상기 권역별로 마련되는 것을 특징으로 하는 지폐 감별 장치.
3. 제 1 항에 있어서,
   상기 제1알고리즘의 학습은
   상기 권역별 지폐의 기하학적 특징을 추출한 학습데이터에 의해 수행되는 것을 특징으로 하는 지폐 감별 장치.
4. 제 1 항에 있어서,
   신규 권종의 추가시 상기 제1알고리즘과 제2알고리즘 중 상기 신규 권종이 추가된 권역의 제2알고리즘만 재학습되는 것을 특징으로 하는 지폐 감별 장치.
5. 제 1 항에 있어서,
   상기 연산부는
   위조 지폐 여부, 지폐훼손 여부, 지폐의 방향 중 어느 하나 이상을 상기 제2알고리즘을 이용하여 추가로 판별하는 특징으로 하는 지폐 감별 장치.
   

Images