WO1997027566A1

WO1997027566A1 - Procede d'examen de feuilles et de billets etc., permettant de detecter les contrefaçons et procede d'estimation de leur sens d'insertion

Info

Publication number: WO1997027566A1
Application number: PCT/JP1997/000131
Authority: WO
Inventors: Hideki Nakajima; Hidetaka Sakai; Hiroshi Tatsumi
Original assignee: Sanyo Electric Co., Ltd.
Priority date: 1996-01-25
Filing date: 1997-01-22
Publication date: 1997-07-31
Also published as: CN1209895A; EP0881603B1; DE69734646T2; CN1516076A; US6327543B1; CN1280773C; CN1188808C; CN1534549A; EP0881603A1; DE69734646D1; EP0881603A4; CN1492381A; US6253158B1; CN1256709C; US6157895A; CN1286066C

Description

明細書紙葉類の真偽判定方法および紙葉類の投入方向判別方法 <技術分野 >

この発明は、紙幣、有価証券等の紙葉類の真偽判定方法、紙葉類の投入方向判別方法および紙葉類の特徴量波形のずれ幅算出方法に関する。ぐ背景技術 >

紙幣の真偽判定方法として、特公昭 6 0 - 2 1 5 2 9 3号に開示された方法がある。この方法では、紙幣が複数の領域に分けられている。検査対象の紙幣の各領域毎に、磁気センサによって検出データを得る。全領域の検出データの総和に対する各領域の検出データの比を、各領域ごとに算出する。各領域毎に算出された比を、各領域毎に予め求められた基準値と比較する。いずれかの領域において、両者の差が予め定められた許容範囲内でなければ当該紙幣は偽券と判定される o

全ての領域において、両者の差が予め定められた許容範囲内である場合には、各領域ごとに算出された比と、対応する領域の基準値との差の総和が算出される。そして、算出された総和が予め定められた許容値以上であれば、当該紙幣は偽券と判定される。算出された総和が予め定められた許容値より小さければ、当該紙幣は真券と判定される。

上記従来技術では、全領域の検出データの総和に対する各領域の検出データの比を、各領域毎に予め求められた基準値と比較しているので、紙幣が一様に汚れている場合等には、この汚れの影響を受けにくくなる。しかしながら、一般に、紙幣の汚れは紙幣の各部において一様ではなく、上記従来例では紙幣の汚れ、しわ等によつて誤判定が生じるおそれがある。

この発明の目的は、紙葉類の汚れ、しわ等の影響を受けることなく、高精度に紙葉類の真偽を判定することができる紙葉類の真偽判定方法を提供することにあ。

また、この発明の目的は、紙葉類の投入方向を高精度に判定することができる紙葉類の投入方向判別方法を提供することにある。また、この発明の目的は、紙葉類の特徴量波形の基準波形に対する搬送方向のずれ幅を正確に算出することができる紙葉類の特徴量波形のずれ幅算出方法を提供することにある。 <発明の開示〉

この発明による第 1の紙葉類の真偽判定方法は、検査対象の紙葉類に対して、第 1の真偽判定処理を行うステップ、第 1の真偽判定処理において、検査対象の紙葉類が偽券ではないと判定されたときのみ、検査対象の紙葉類に対して、第 2 の真偽判定処理を行なうステップ、および第 2の真偽判定処理において、検査対象の紙葉類が偽券ではないと判定されたときのみ、検査対象の紙葉類が真券であると判定するステップを備えており、第 1の真偽判定処理は、検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた基準データとに基づいて、紙葉類の特徴量毎の不規則成分を抽出する第 1 ステップ、抽出された特徴量毎の不規則成分と、予め定められた汚れ成分の予測モデルとに基づいて、上記検査対象の紙葉類上の上記複数箇所毎の汚れ成分を推測する第 2ステップ、および推測された汚れ成分と抽出された不規則成分とに基づいて、検査対象の紙葉類の真偽を判定する第 3ステップを備えており、第 2の真偽判定処理は、上記検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた第 2の基準デー夕とのうち、予め判定に適しているとして選択された複数の演算対象位置に対する、特徴量および第 2の基準デー夕に基づレ、て、特徴量と第 2の基準デー夕とのマツチング度を算出する第 4ステップ、および算出されたマッチング度に基づいて、検査対象の紙葉類の真偽を判定する第 5ステップを備えていることを特徴とする。

上記第 1ステップで用いられる基準データは、たとえば、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量に基づいて生成される。また、上記第 2ステップで用いられる汚れ成分の予測モデルは、たとえば、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と、上記基準データとに基づいて生成される。

上記第 3ステップは、たとえば、推測された汚れ成分と抽出された不規則成分とに基づいて、予測誤差に関する値を算出するステップ、および算出された予測誤差に関する値が予め定められた所定値より大きいときに、検査対象の紙葉類が偽券であると判定し、算出された予測誤差に関する値が予め定められた所定値以下のときに、検査対象の紙葉類が偽券でないと判定するステップを備えている。上記第 4ステップで用いられる複数の演算対象位置は、たとえば、遺伝アルゴリズムによる最適化処理によって求められる。

この発明による第 2の紙葉類の真偽判定方法は、検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた基準データとに基づいて、紙葉類の特徴量毎の不規則成分を抽出する第 1ステップ、抽出された特徴量毎の不規則成分と、予め定められた汚れ成分の予測モデルとに基づいて、上記検査対象の紙葉類上の上記複数箇所毎の汚れ成分を推測する第 2 ステップ、および推測された汚れ成分と抽出された不規則成分とに基づいて、検査対象の紙葉類の真偽を判定する第 3ステツプを備えていることを特徴とする。上記第 1ステップで用いられる基準データは、たとえば、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量に基づいて生成される。また、上記第 2ステップで用いられる汚れ成分の予測モデルは、たとえば、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と、上記基準データとに基づいて生成される。

上記第 3ステップは、たとえば、推測された汚れ成分と抽出された不規則成分とに基づいて、予測誤差に関する値を算出するステップ、および算出された予測誤差に関する値が予め定められた所定値より大きいときに、検査対象の紙葉類が偽券であると判定し、算出された予測誤差に関する値が予め定められた所定値以下のときに、検査対象の紙葉類が偽券でなレ、と判定するステップを備えている。上記汚れ成分の予測モデルとしては、たとえば、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記基準デー夕における対応する箇所のデータとの差分のデータが、時系列に並べられたデ一夕群から求められた自己回帰モデルが用いられる。

この発明による第 3の紙葉類の真偽判定方法は、検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた第 2 の基準デ一夕とのうち、予め判定に適しているとして選択された複数の演算対象位置に対する、特徴量および第 2の基準データに基づいて、特徴量と第 2の基準データとのマツチング度を算出するステップ、および算出されたマツチング度に基づいて、検査対象の紙葉類の真偽を判定するステップを備えていることを特徴とする。

上記複数の演算対象位置は、たとえば、遺伝アルゴリズムによる最適化処理によって選択される。

遺伝アルゴリズムによる最適化処理は、たとえば、予め定められた複数の特徴量読み取り位置をそれぞれ遺伝子として持ち、各遺伝子は、その読み取り位置を演算対象とするか否かのいずれかを表す値をとる第 1の所定数の個体からなる初期集団を生成する第 1ステップ、各個体毎に、予め用意した複数の真券の紙葉類および複数の偽券の紙葉類の分析用デ一タに基づ、て、真券と偽券との判別精度の評価値を算出し、評価値の高い個体を第 2の所定数だけ選択する第 2ステップ、選択された個体群から任意の個体対を選択して所定の遣伝的操作を加えることにより、第 1の所定数の個体からなる新しレ、個体集団を生成する第 3ステップ、演算対象とする遺伝子の数が予め定められた制約数を越えている個体を廃棄する第 4ステップ、所定の遣伝的操作を繰り返すことにより、第 1の所定数の個体から構成され、かつすベての個体において演算対象とする遺伝子の数が予め定められた制約数以下となるような個体集団を生成する第 5ステップ、および第 2ステップ〜第 5ステツプの処理を所定回数繰り返す第 6ステツプを備えている。上記遺伝的操作は、たとえば、交叉処理および突然変異処理である。

この発明による紙葉類の投入方向判別方法は、検査装置に投入された検査対象の紙葉類の複数箇所から、紙葉類の特徴量を読み取る第 1ステップ、および読み取られた特徴量と、投入方向毎に予め生成された各投入方向別基準データとを比較することにより、上記紙葉類の投入方向を判別する第 2ステツプを備えてレ、ることを特徴とする。

上記第 2ステップとしては、たとえば、各投入方向別基準データ毎に、上記紙葉類の複数箇所から読み取られた各特徴量と、投入方向別基準デ一夕の対応する位置のデータとの差の二乗の総和をそれぞれ求めるステップ、および得られた値のうちの最小値に対応する基準データの方向を、上記紙葉類の投入方向であると判別するステップを備えているものが用いられる。

上記第 2ステップとしては、たとえば、検査対象の紙葉類の各読み取り箇所から読み取られた特徴量で表される位置に対する特徴量と、所定の投入方向別基準データの対応する位置のデータとの差を求め、これらの差の平均値が零になるように、紙葉類の各読み取り箇所ごとの特徴量を補正するステップ、各投入方向別基準データ毎に、上記紙葉類の複数箇所に対する補正後の各特徴量と、投入方向別基準デ一夕の対応する位置のデ一夕との差の二乗の総和をそれぞれ求めるステップ、および得られた値のうちの最小値に対応する基準デ一夕の方向を、上記紙葉類の投入方向であると判別するステップを備えているものが用いられる。

上記第 2ステップとしては、たとえば、遺伝アルゴリズムによる最適化処理によって、予め定められた複数の特徴量読み取り箇所のうちから、投入方向判定結果の正解率が所定値以上となる最小限の特徴量読み取り箇所を探索しておくステップ、および探索された特徴量読み取り箇所からのみ得られる特徴量と、被検査対象の投入方向毎に予め生成された投入方向別基準データとに基づいて、被検査対象の投入方向を判定するステップを備えているものが用いられる。上記遺伝アルゴリズムによる最適化処理は、たとえば、予め定められた複数の特徴量読み取り位置をそれぞれ遗伝子として持ち、各遺伝子は投入方向判定用の特徴量読み取り位置の対象とするかしないかのいずれかを表す値をとる第 1の所定数の個体からなる初期集団を生成する第 1ステップ、初期集団から、投入方向判定用の特徴量読み取り位置の対象とする遺伝子の数の少ない個体を第 2の所定数だけ選択する第 2ステップ、選択された個体群から任意の個体対を選択して所定の遺伝的操作を加えることにより、第 1の所定数の個体からなる新しレ、個体集団を生成する第 3ステップ、新しい個体集団の各個体ごとに、予め用意した複数の分析用データから得られた複数の制約条件検査用データそれぞれに対する投入方向判定結果の正解率を算出し、正解率が所定値より低い個体を廃棄する第 4ステツプ、所定の遺伝的操作を繰り返すことにより、第 1の所定数の個体から構成され、かつすベての個体の正解率が所定値以上となるような個体集団を生成する第 5ステップ、および第 2ステツプ〜第 5ステツプの処理を所定回数繰り返す第 6ステップを備えている。

上記遺伝的操作は、たとえば、交叉処理および突然変異処理である。

この発明による紙葉類の特徴量波形のずれ幅算出方法は、検査対象の紙葉類の搬送方向の複数筒所から、紙葉類の特徴量を読み取ることにより、上記紙葉類の搬送方向上の位置に対する特徴量を表す入力波形を生成する第 1ステップ、入力波形の基準波形に対する搬送方向のずれ幅を、予め定められた最小ずれ幅と最大ずれ幅との間で複数設定し、設定された各ずれ幅ごとに、入力波形を搬送方向にずらせた複数のずれ幅算出用波形を作成する第 2ステップ、作成された各ずれ幅算出用波形毎に、搬送方向上の各位置のうち、予め定められた複数の演算対象位置において、ずれ幅算出用波形と予め作された基準波形との差分の総和にじた値を算出する第 3ステップ、および算出された差分の総和に応じた値が最小であるずれ幅算出用波形に対するずれ幅を、上記入力波形の上記基準波形に対する搬送方向のずれ幅であると決定する第 4ステップを備えていることを特徴とする上記差分の差分の総和に応じた値としては、差分の絶対値の総和または差分の二乗の総和が用いられる。

上記第 3ステップで用いられる複数の演算対象位置は、たとえば、次のようにして求められる。すなわち、入力波形の基準波形に対する搬送方向のずれ幅を、予め定められた最小ずれ幅と最大ずれ幅との間で複数設定する。設定された各ずれ幅ごとに、上記基準波形を搬送方向にずらせた複数の演算対象位置算出用波形を作成する。作成された各演算対象位置算出用波形毎に、搬送方向上の各位置において、上記基準波形との差分の絶対値を算出する。搬送方向上の各位置毎に、その位置に対して算出された差分の絶対値のうちから最小値を抽出する。全ての位置のうち、抽出された最小値が大きいものから順に所定数の位置を選択する。く図面の簡単な説明 >

図 1は、紙幣の特徴量を読み取るためのセンサの配置を示す平面図である。図 2は、図 1の矢印の方向から見た側面図である。

図 3は、紙幣の真偽判定方法の全体的な手順を示すフローチヤ一トである。図 4は、紙幣投入方向判別処理の手順を示すフローチャートである。

図 5は、紙幣投入方向判別処理の手順を示す模式図である。

図 6は、入力波形を補正する方法を説明するためのグラフである。

図 7は、他の紙幣投入方向判別処理の手順を示すフローチャートである。

図 8は、個体を示す模式図である。

図 9は、 G Aによる演算点の最適化処理手順を示すフローチヤ一卜である。. 図 1 0は、あらかじめ用意された分析用紙幣データに乱数が付加されることによって、制約条件検査用デ一夕が生成されることを説明するためのグラフである図 1 1は、 G Aによって最適化された演算点数の平均値と、投入方向判定正解率の平均値を示すグラフである。

図 1 2は、搬送ずれ修正処理の手順を示すフローチャートである。図 1 3は、図 1 2のステップ 5 2の処理を説明するための波形図である。図 1 4は、図 1 2のステップ 5 4の処理を説明するための波形図である。図 1 5は、図 1 2のステップ 5 3において採用される演算点を求める方法を示すフローチヤ一トである。

図 1 6は、汚れ成分の予測モデルの生成処理手順を示すフローチャートである図 1 7は、サンプル紙幣に基づいて得られた入力波形を示す波形図である。図 1 8は、基準波形を示す波形図である。

図 1 9は、サンプル紙幣毎に生成された、汚れ、しわ等の変動成分の分布を示す波形図である。

図 2 0は、学習データを示す波形図である。

図 2 1は、第 1の精判定処理の手順を示すフローチヤ一卜である。

図 2 2は、搬送ずれ修正処理が行なわれた後の入力波形を示す波形図である。図 2 3は、不規則成分の分布を示す波形図である。

図 2 4は、検査対象紙幣の汚れ成分の予測分布を示す波形図である。

図 2 5は、自己回帰モデルの代わりに用いられるニューラルネットワークの例を示す模式図である。

図 2 6は、第 2の精判定処理の手順を示すフローチャートである。

図 2 7は、第 1のマスクを示す模式図である。

図 2 8は、第 2のマスクを示す模式図である。

図 2 9は、ある個体に対する各分析用紙幣データと基準波形との差の二乗の総和と、その個体に対する各真券の分析用紙幣デ一夕と基準波形との差の二乗の総和の分布曲線とを示すグラフである。

図 3 0は、 G Aによる最適化処理の手順を示すフローチャートである。

<発明を実施するための最良の形態 >

以下、図面を参照して、この発明を紙幣の真偽判定方法に適用した場合の実施の形態について説明する。

〔1〕紙幣の特徴量を読み取るセンサについての説明

図 1および図 2は、紙幣の特徼量を読み取るためのセンサを示している。紙幣 1は、図示しない検査装置に投入され、矢印の方向に搬送される。紙幣 1 の特徴量を読み取るためのセンサとして、 2つの投光装置 1 0 a、 2 0 aおよび 2つの受光装置 1 0 b、 2 0 bが設けられている。

投光装置 1 0 aは、紙幣 1の表面上であってかつライン L 1上にある複数の特徵量読み取り位置に対して波長 λが 8 4 0 n mの赤外光を照射するための発光ダィオード 1 1 aおよび上記各特徴量読み取り位置に対して 6 5 5 n mの赤色光を照射するための発光ダイオード 1 2 aを備えている。受光装置 1 O bは、発光ダィオード 1 1 aから出射されかつ紙幣 1を通過した赤外光を受光するためのフォトセンサ 1 1 bおよび発光ダイオード 1 2 aから出射されかつ紙幣 1を通過した赤色光を受光するためのフォトセンサ 1 2 bを備えている。

発光ダイオード〗 1 aおよび発光ダイオード 1 2 aは交互に駆動され、紙幣 1 のライン L 1上の各特徴量読み取り位置において、両フォトセンサ 1 1 b、 1 2 bの出力が得られる。

投光装置 2 0 aは、紙幣 1の表面上であってかつライン L 2上にある複数の特徴量読み取り位置に対して波長; Iが 8 4 0 n mの赤外光を照射するための発光ダィオード 2 1 aおよび上記各特徴量読み取り位置に対して波長; Iが 6 5 5 n mの赤色光を照射するための発光ダイォード 2 2 aを備えている。受光装置 2 0 bは、発光ダイオード 2 1 aから出射されかつ紙幣 1を通過した赤外光を受光するためのフォトセンサ 2 1 bおよび発光ダイォード 2 2 aから出射されかつ紙幣 1を通過した赤色光を受光するためのフォトセンサ 2 2 bを備えている。

発光ダイオード 2 1 aおよび発光ダイオード 2 2 aは交互に駆動され、紙幣 1 のライン L 2上の各特徴量読み取り位置において、両フォトセンサ 2 1 b、 2 2 bの出力が得られる。なお、ライン L 1 とライン L 2とは、紙幣 1の幅中心を通るライン L 0から等距離にある。〔2〕紙幣の真偽判定方法の全体的な手順の説明

図 3は、紙幣の真偽判定方法の全体的な手順を示している。

まず、各フォトセンサ 1 1 b、 1 2 b、 2 1 b、 2 2 bの出力力べ、図示しない AZD変換器によってディジタル信号に変換された後に取り込まれる（ステップ 1 )

次に、各フォトセンサ 1 1 b、 1 2 b , 2 1 b , 2 2 bの検出値に基づいて、粗判定処理が行なわれる（ステップ 2 ) 。粗判定処理によって紙幣が偽券であると判定された場合には（ステップ 3で Y E S ) 、その結果が最終的な判定結果とされ（ステップ 4 ) 、今回の真偽判定処理は終了する。

粗判定処理によって紙幣が偽券であると判定されなかった場合には（ステップ 3で N O) 、赤外光を受光するフォトセンサ 1 1 bまたは 2 1 bの検出値に基づレ、て、紙幣投入方向判別処理が行なわれる（ステップ 5 ) 。つまり、紙幣の投入方向は、紙幣の表が上の場合に 2方向あり、紙幣の裏が上の場合に 2方向あるので、計 4方向ある。紙幣投入方向判定処理では、 4方向のうち、紙幣の投入方向が何れの方向であるかが判定される。

紙幣の投入方向の判別結果が、予め定められた基準投入方向ではない場合には、各フォトセンサ 1 1 b、 1 2 b、 2 1 b、 2 2 bの検出値に基づいて得られる入力波形（紙幣の長さ方向位置に対する検出値を表す波形）力紙幣が予め定められた基準投入方向で投入されたと仮定した場合に得られる波形に変換される（ステップ 6 ) 。この結果、当該紙幣が基準投入方向で投入された場合のライン L 1に対する 2種類の入力波形およびライン L 2に対する 2種類の入力波形が得られる。

当該紙幣が基準投入方向で投入された場合のライン L 1に対する 2種類の入力波形には、赤外光に基づく入力波形と、赤色光に基づく入力波形とがある。当該紙幣が基準投入方向で投入された場合のライン L 2に対する 2種類の入力波形には、赤外光に基づく入力波形と、赤色光に基づく入力波形とがある。

なお、紙幣の投入方向の判別結果が、予め定められた基準投入方向ではある場合には、ステップ 6のデータ変換処理は行なわれない。

この後、紙幣投入方向が基準投入方向である場合に対応する 4種類の入力波形の紙幣搬送方向のずれを修正するための処理（搬送ずれ修正処理）が行なわれる (ステップ 7 )。

次に、搬送ずれ修正処理が行なわれた後の 4種類の入力波形のうち、ライン L 1に対する赤外光に基づく入力波形と、ライン L 2に対する赤外光に基づく入力波形とに基づいて、第 1の精判定処理が行なわれる（ステップ 8 ) 。

第 1の精判定処理においては、これらの各入力波形それぞれに基づいて、同様な判定処理が行なわれる。そして、少なくとも一方の入力波形に基づく判定処理において、当該紙幣が偽券であると判定された場合には（ステップ 9で Y E S ) 、その結果が最終的な判定結果とされ（ステップ 4 ) 、今回の真偽判定処理は終了する。

第 1の精判定処理によって当該紙幣が偽券と判定されなかった場合、つまり、上記 2つの赤外光に基づく入力波形に基づレ、て行なわれた判定処理にぉレ、て、共に当該紙幣が偽券であると判定されなかった場合には（ステップ 9で N O) 、搬送ずれ修正処理が行なわれた後の 4種類の入力波形のうち、ライン L 1に対する赤色光に基づく入力波形と、ライン L 2に対する赤色光に基づく人力波形とに基づいて、第 2の精判定処理が行なわれる（ステップ 1 0 )。

第 2の精判定処理においては、これらの各入力波形それぞれに基づいて、同様な判定処理が行なわれる。そして、少なくとも一方の入力波形に基づく判定処理において、当該紙幣が偽券であると判定された場合には（ステップ 1 1で Y E S ) 、その結果が最終的な判定結果とされ（ステップ 4 ) 、今回の真偽判定処理は終了する。

第 2の精判定処理によって当該紙幣が偽券であると判定されなかった場合、つまり、上記 2つの赤色光に基づく人力波形に基づレ、て行なわれた判定処理において、共に当該紙幣が偽券と判定されなかった場合には（ステップ 1 1で N O)、当該紙幣は真券と判定され（ステップ 1 2 ) 、今回の真偽判定処理は終了する。〔3〕粗判定処理の説明

粗判定処理は、紙幣 1のライン L 1上のあらかじめ定められた複数の特徴量読み取り位置におけるフォ卜センサ 1 1 b、 1 2 bの検出値および紙幣 1のライン L 2上のあらかじめ定められた複数の特徴量読み取り位置におけるフォトセンサ 21 b、 22 bの検出値に基づいて行なわれる。

各特徴量読み取り位置にぉレ、て行なわれる判定処理は同じであるので、紙幣 1 のライン L 1上の 1つの特徴量読み取り位置において行なわれる判定処理について説明する。

紙幣 1のライン L 1上の 1つの特徴量読み取り位置において、フォトセンサ 1 l bおよび 1 2 bから得られた検出値を、それぞれ VM、 V₁₂とする。

まず、

および両者の差（Vu— v₁₂)が算出される。そして、両者の比 VHZVUが予め定められた第 1の所定範囲内であり、かつ両者の差（Vu- V,₂) が予め定められた第 2の所定範囲内である場合には、当該紙幣は真券と判定される。両者の比 VuZV^が予め定められた第 1の所定範囲内でない場合、または両者の差（V,,— V₁₂) が予め定められた第 2の所定範囲内でない場合には、当該紙幣は偽券と判定される。

全ての特徴量読み取り位置における判定処理において、当該紙幣が真券であると判定された場合には、図 3のステップ 3で N〇となり、紙幣投入方向判別処理に移行する。少なくとも 1つの特徴量読み取り位置における判定処理において、当該紙幣が偽券である判定された場合には、図 3のステップ 3で YESとなり、この判定結果が最終的な判定結果となる。

〔4〕紙幣投入方向判別処理の説明

図 4は、図 3のステップ 5の紙幣投入方向判別処理の詳細な手順を示している。また、図 5は、投入方向判別処理の手順を模式的に示している。

投入方向判別処理は、赤外光を受光するフオトセンサ 1 1 bまたは 2 1 bの検出値に基づいて得られた入力波形に基づいて行なわれる。ここでは、フォトセンサ 1 1 bに基づいて得られた人力波形に基づいて行なわれるものとする。つまり、入力波形は、図 5に折れ線 aで示すように、紙幣 1のライン L 1上の位置に対する光透過量（検出値）の関係を表している。

紙幣 1のライン L 1上の位置に対する光透過量の関係は、紙幣の投入方向によつて異なる。予め、真券（本物）の紙幣を用いて、各投入方向（方向 A、方向 B 、方向 Cおよび方向 D) 毎に、紙幣 1のライン L 1上の位置に対する光透過量の関係（以下、投入方向別基準波形という）が求められている。図 5には、方向 A に対する投入方向別基準波形 A bと、方向 Dに対する投入方向別基準波形 D bとが示されている。

各方向別基準波形毎に、方向別基準波形と入力波形 aとの差の二乗の総和が算出される（ステップ 2 1 ) 。つまり、各特徴量読み取り位置での、方向別基準波形と入力波形との差を d i ( i = l、 2、 3〜m) とすると、方向別基準波形と入力波形との差の二乗の総和 Dは、次式（ 1 ) で表される。

D =

d i ² … （ l ) そして、差の二乗の総和 Dが最小となる方向が紙幣投入方向とされる（ステツプ 2 2 ) 。

ところで、市場に出回っている紙幣は、通常、手垢等の汚れが付着しているため、全体的に検出値が低下するといつた傾向がある。

そこで、まず、入力波形を少なくとも 1つの投入方向別基準波形と比較して、入力波形をレベル調整し、レベル調整後の入力波形を用いて、上記ステップ 2 1 の処理を行なうことが好ましい。

このレベル調整は、図 6に示すように、元となる入力波形 aを平行移動して、入力波形 aのレベルが、投入方向別基準波形 bのレベルに合致せしめられることにより行なわれる。平行移動後の入力波形を図 6に a 1で示す。より具体的には、移動後の入力波形 a 1と投入方向別基準波形 bとの各読み取り位置での差の平均値が 0となるように、元となる入力波形 aが平行移動せしめられる。なお、差の二乗の総和を算出するための演算対象となる読み取り位置（演算対象点）は、ライン L 1上の全ての読み取り位置でなくてもよい。つまり、ライン L 1上の全ての読み取り位置のうちから選択された複数の読み取り位置を演算対象点として、差の二乗の総和を算出してもよい。

また、たとえば、一万円札、 5千円札および千円札の 3種類の金種毎に、 4方向の投入方向別基準波形を予め用意し、上記ステップ 2 1において、これらの 1 2種類の投入方向別基準波形と入力波形との差の二乗の総和をそれぞれ算出し、差の二乗の総和が最小である金種および投入方向を、当該紙幣の金種および投入方向と判別するようにしてもよい。このようにすると、投入方向のみならず、金種も判別することができる。

図 7は、紙幣投入方向判別処理の他の例を示している。

この紙幣投入方向判定処理も、フォトセンサ 1 1 bに基づいて得られた入力波形に基づいて行なわれるものとする。また、予め、真券の紙幣を用いて、各投入方向毎に、紙幣 1のライン L 1上の位置に対する光透過量の関係（以下、投入方向別基準波形という）が求められている。

まず、予め探索された複数の特徴量読み取り位置を演算対象点として、各投入方向別基準波形毎に、方向別基準波形と入力波形との差分分散値に応じた値が算出される（ステップ 3 1 ) 。つまり、演算対象点として予め探索された読み取り位置毎の、方向別基準波形と入力波形との差を d i ( i = l、 2、 3〜n ) とし、これらの差 d iの平均値を * dとすると、方向別基準波形と入力波形との差分分散値に応じた値 σは、次式（2 ) で表される。 σ =

( d i — * d ) … （ 2 )

i = 1 そして、差分分散値に応じた値びが最小となる方向が紙幣投入方向とされる（ステップ 3 2 ) 。

紙幣投入方向の判定に差分分散値に応じた値ひを用いている理由は、次の通りである。すなわち、市場を流通する紙幣は汚れを持っており、全体的に検出値が低下するといつた傾向がある。そこで、入力波形と投入方向別基準波形との誤差の平均値が 0になるように入力波形を平行移動した後に、入力波形と投入方向別基準波形との差分の二乗和を算出することが好ましい。この考え方に基づいて、差分分散値に応じた値ひが算出されているのである。

演算点となる読み取り位置の探索方法にっレ、て説明する。

演算点となる読み取り位置の探索は、遺伝アルゴリズム（以下、 G Aという）による最適化処理によって行なわれる。

個体 3 0 0は、図 8に示すように表現される。図 8の折れ線 aは、入力波形を示し、折れ線 bは投入方向別基準波形を示している。個体 3 0 0は各読み取り位置に対応する遺伝子を持ち、各遺伝子は" 0 " あるいは" ' の値をとる。ここで、 " 0 " は当該遗伝子に対応する読み取り位置の検出値を演算対象点としないことを表し、 " 1 " は当該遺伝子に対応する読み取り位置の検出値を演算対象点とすることを表している。

また、個体の評価は、次式（3 ) で示される評価関数に基づいて行なわれる。つまり、評価関数は、値" ' の遺伝子の数となる。評価関数 =演算対象点とする読み取り位置の数 ( 3 ) 図 9は、 G Aによる最適化処理手順を示している。

まず、初期集団が作成される（ステップ 4 1 ) 。つまり、予め設定した数の個体が乱数によって作成される。ただし、予め準備した全ての分析用紙幣データに対する投入方向判定正解率 (96) 力 0 0 %であるもののみが採用される。

この例では、 4 0枚の紙幣に対する 4つの投入方向ごとの入力波形が、分析用紙幣データとして用意されている。そして、乱数によって作成された個体に対して、全ての分析用紙幣データを用いて紙幣投入方向の判定が行なわれる。そして、その個体に対する投入方向判定正解率（％) が算出される。投入方向判定正解率が 1 0 0 %でない個体は初期集団としては採用されない。このようにして、投入方向判定正解率が 1 0 0 %である 2 0個の個体が生成される。

次に、淘汰処理が行なわれる（ステップ 4 2 ) 。つまり、評価関数を用いて各個体の評価値を算出し、評価値が小さい上位半分の個体が選択され、他の個体が廃棄される。したがって、 1 0個の個体が選択される。

次に、ステップ 4 2で選択された個体のうちから、任意に 2つの個体が選択され、選択された個体間で交叉が行なわれる（ステップ 4 3 ) 。このような交叉が 1 0回行なわれることにより、 2 0個の新たな個体集団が生成される。交叉としては、たとえば、一様交叉が用いられる。

この後、 1個の個体が選択され、突然変異が発生せしめられる（ステップ 4 4 )。つまり、選択された個体の任意の遺伝子の値が反転せしめられる。

次に、予め用意された分析用紙幣データに乱数が付加されて、制約条件検査用データが生成される（ステップ 4 5 ) 。この例では、 4 0枚の紙幣に対する 4つの投入方向ごとの入力波形が、分析用紙幣データとして用意されている。そして、各分析用紙幣データに乱数が付加されて制約条件検査用データが生成される。つまり、図 1 0に示すように、分析用紙幣データ cの各特徴量読み取り位置の検出値ごとに規定の範囲内の乱数 5を発生させ、発生させた乱数 <5を当該検出値に加算することにより、制約条件検査用データ dが生成される。

この後、上記ステップ 4 3、 4 4の処理によって得られた 2 0個の個体それぞれについて、ステップ 4 5で生成された制約条件検査用データを用いて、制約条件を満たしているか否かの検査が行なわれる（ステップ 4 6 ) 。つまり、各個体ごとに全ての制約条件検査用データを用いて、紙幣投入方向の判定が行なわれる。そして、各個体ごとに投入方向判定正解率 (%) が算出される。投入方向判定正解率が 1 0 0 %でない個体は破棄される。

投入方向判定正解率が 1 0 0 %でない個体が 1つでも存在する場合には（ステップ 4 7で N O ) 、ステップ 4 3に戻り、破棄された個体数に相当する数の個体力 \ 残っている個体から交叉によって生成される。そして、ステップ 4 4〜4 7 の処理が行なわれる。

ステップ 4 3〜4 7の処理が繰り返されることにより、全ての個体に対する投入方向判定正解率が 1 0 0 %となると（ステップ 4 7で Y E S ) 、予め定められた回数分、たとえば、 1 0 0 0回の世代交代が行なわれたか否かが判定される（ステップ 4 8 )。予め定められた世代数分の世代交代が行なわれていない場合には、ステップ 4 2に戻り、ステップ 4 2以降の処理が再度実行される。

ステップ 4 8において、予め定められた世代数分の世代交代が行なわれたと判定された場合には、処理を終了する。そして、残っている個体から 1の個体が選択され、選択された個体の遺伝子中の値" 1 " に対応する特徴量読み取り位置が、演算対象点であると決定される。

実験結果について説明する。 4 0枚 X 4方向の分折用紙幣データを用いて、 2 0種類の初期集団を 1 0 0 0世代まで進行させた。そして、 1 0 0世代毎に、分析用紙幣データとは異なる 1 0 0 0枚 X 4方向の評価用紙幣データを用いて、投入方向判定正解率を算出した。

図 1 1に、 G Aによって最適化された演算対象点数の平均値と、投入方向判定正解率の平均値を示す。

図 1 1の折れ線 eは、上記実施の形態のように、予め用意された分析用紙幣デ一夕に上限が 4の乱数を付加して制約条件検査用デ一夕を生成した場合の実験結果を示している。図 1 1の折れ線は、予め用意された分析用紙幣データに乱数を付加することなく、予め用意された分析用紙幣データをそのまま制約条件検査用データとして用いた場合の実験結果を示している。

予め用意された分析用紙幣デー夕に乱数を付加しない G Aでは、世代交代が進むにつれて投入方向判定正解率が下がっている。これは、分析用紙幣データに依存した汎用性の低い解が探索された結果と考えられる。これに対し、上記実施の形態で示した手法では、世代が進行しても、高い投入方向判定正解率を示している。これは、汎用性の高い解が探索された結果と考えられる。なお、汎用性の高い解を得るために分析用紙幣データの数を多くすることが考えられる力 \ 分析用紙幣デ一夕の数を増加させると探索時間が長くかかつてしまう。

また、表 1は、 8ビットマイコンを用いて、上記実施の形態で得た 5点の演算対象点を用いて投入方向判定処理を行なった場合と、連続する 1 0 0点の演算対象点を用レ、て投入方向判定処理を行なつた場合との処理時間の比較結果を示している。この表から、上記実施の形態で示した手法による投入方向判定処理では、集計対象を減少させない場合に比べて、演算時間が大幅に短縮化されることがわかる。表 1

上記実施の形態では、投入方向判定正解率を向上させるために予め用意された分析用紙幣デー夕に乱数を付加して制約条件検査用デ一夕を生成しているが、予め用意された分析用紙幣データに乱数を付加せずに予め用意された分析用紙幣デ一夕をそのまま制約条件検査用データとして用いてもよい。

また、上記実施の形態では、集計対象であると決定された特徴量読み取り位置の検出値と、予め準備した 4つの投入方向の投入方向別基準信号との差分分散値に応じた値が最小となる方向を投入方向と判定している力集計対象であると决定された特徴量読み取り位置の検出値と、予め準備した 4つの投入方向の投入方向別基準信号との差の二乗の総和、差の絶対値和等の統計量が最小となる方向を投入方向と判定してもよい。

〔5〕搬送ずれ修正処理の説明

図 1 2は、図 3のステップ 7の搬送ずれ修正処理の詳細な手順を示している。搬送ずれ修正処理は、当該紙幣が基準投入方向で投入された場合に対応する 4 種類の入力波形ごとに行なわれる。

まず、ずれ幅 Kが設定される（ステップ 5 1 ) 。ずれ幅 Kは、搬送方向において生じうる最小のずれ幅から最大のずれ幅の間の値に設定される。最初は、最小のずれ値が設定される。

入力波形を設定されているずれ幅 Kだけ搬送方向にずらした波形（ずれ幅算出用波形）が生成される（ステップ 5 2 ) 。つまり、図 1 3に示すように、入力波形 aをずれ幅 Kだけ搬送方向にずらした波形 cが生成される。

次に、得られた波形 cに基づいて、後述するようにして予め選択された複数位置（演算対象位置）でのデータが抽出される（ステップ 5 3 ) 。そして、図 1 4 に示すように、抽出された各位置でのデータと、予め用意された基準波形 bの対応する位置でのデータとの差の絶対値の総和（以下、絶対値和という）が算出される（ステップ 5 4 )。

今回算出された絶対値和がそれまでに算出された絶対値和の最小値より小さいければ、当該絶対値和が絶対値和の最小値として記憶されるとともにずれ幅 Kの値が記憶される（ステップ 5 5 ) 。搬送ずれ修正処理が開始された後に、初めて絶対値和が算出された場合には、その算出値が絶対値和の最小値として記憶され。

次に、設定されているずれ幅 Kが最大値であるか否かが判定される（ステップ 5 6 ) 。設定されているずれ幅 Kが最大値 Km a Xでない場合には、ずれ幅 Kが所定値 Δ Κだけ大きな値に更新された後（ステップ 5 7 ) 、ステップ 5 2に戻る。このようにして、ステップ 5 2〜5 7の処理が繰り返され、最大のずれ幅 Kに対してステップ 5 2〜5 5の処理が行なわれると、ステップ 5 6で Y E Sとなり、ステップ 5 8に移行する。ステップ 5 8では、ステップ 5 5において最後に記憶されたずれ幅 K分だけ当該入力波形がずらされる。これにより、入力波形の基準波形に対する紙幣搬送方向のずれが修正される。

上記ステップ 5 4では、抽出された各位置でのデータ値と予め用意された基準波形 bの対応するデータ値との差の絶対値和が算出されている力抽出された各位置でのデータ値と予め用意された基準波形 bの対応するデータ値との差の二乗の総和（以下、差分二乗和という）を算出するようにしてもよい。この場合には、上記ステップ 5 5においては、差分二乗和がそれまでに算出された差分二乗和の最小値より小さいければ、当該差分二乗和が差分二乗和の最小値として記憶されるとともにずれ幅 Kの値が記憶される。

図 1 5は、ステップ 5 3において、データが抽出されるべき位置（演算対象位置）を求める方法を示している。

まず、ずれ幅 Kが設定される（ステップ 6 1 ) 。ずれ幅 Kが、搬送方向において生じうる最小のずれ幅から最大のずれ幅の間の値に設定される。最初は、最小のずれ値が設定される。

汚れや破れのない真券の紙幣に基づいて作成された基準波形を、設定されているずれ幅 Kだけ搬送方向にずらした波形（演算対象位置算出用波形）が生成される（ステップ 6 2 ) 。次に、得られた波形と基本波形との各位置ごとの差の絶対値が算出されて記憶される（ステップ 6 3 ) 。

次に、設定されているずれ幅 Kが最大値 Km a xであるか否かが判定される（ステップ 6 4 ) 。設定されているずれ幅 Kが最大値でない場合には、ずれ幅が所定値 Δ Κだけ大きな値に更新された後（ステップ 6 5 ) 、ステップ 6 2に戻る。このようにして、ステップ 6 2〜6 5の処理が繰り返され、最大のずれ幅 Kに対して 6 2〜 6 3の処理が行なわれると、ステップ 6 4で Y E Sとなり、ステツプ 6 6に移行する。

ステップ 6 6では、各位置毎に、それまでに求められた差（絶対値）のうちの最小値が求められ、各位置ごとの最小値として記憶される。そして、各位置のうち、最 /J、値の大きいものから順に、所定数の位置が選択される（ステップ 6 7 ) 。選択された位置が、図 1 2のステップ 5 3において、データが抽出されるべき位置として用いられる。

〔 6〕第 1の精判定処理の説明

第 1の精判定処理は、搬送ずれ修正処理が行なわれた後の 4種類の入力波形のうち、ライン L 1に対する赤外光に基づく入力波形と、ライン L 2に対する赤外光に基づく入力波形とに基づいて、行なわれる。

ライン L 1に対する赤外光に基づく入力波形による判定処理と、ライン L 2に対する赤外光に基づく入力波形による判定処理とは、同様な処理であるので、ライン L 1に対する赤外光に基づく入力波形に基づいて行なわれる第 1の精判定処理のみについて説明する。

まず、第 1の精判定処理の考え方について説明する。紙幣の汚れは、紙幣の各部分で一様ではない。そこで、真券の紙幣が基準方向に投入されたと仮定した場合のライン L 1上の各部分の汚れ、しわ等に起因する変動成分の予測モデル（以下、単に、汚れ成分の予測モデルという）を予め生成しておく。

搬送ずれ修正処理が行なわれた後のライン L 1に対する赤外光に基づく入力波形に基づいて、検査対象紙幣のライン L 1上の不規則成分を抽出する。

検査対象紙幣から求められたライン L 1上の不規則成分と、ライン L 1上の汚れ成分の予測モデルとに基づいて、検査対象紙幣のライン L 1上の汚れ成分を予測する。検査対象紙幣から求められたライン L 1上の不規則成分の分布と、検査対象紙幣のライン L 1上の汚れ成分の予測分布とを比較し、予測誤差に関する値を求める。そして、求められた予測誤差に関する値が所定範囲を越えていれば、当該紙幣は偽券であると判定される。

図 1 6は、汚れ成分の予測モデルの生成処理手順を示している。紙幣が基準方向に投入されたと仮定した場合のライン L 1に対応する汚れ成分の予測モデルを生成する場合について説明する。

まず、図 1 7に示すように、複数枚の実際に使用されている真券の紙幣（以下、サンプル紙幣という）それぞれに対して、ライン L 1上の各位置に対する赤外光の透過量の関係を表す入力波形が作成される（ステップ 7 1 ) 。

各サンプル紙幣に対する入力波形に基づいて、図 1 8に示すような 1つの基準波形が作成される（ステップ 72) 。この基準波形の各位置のデータは、たとえば、各サンブル紙幣の入力波形の対応する位置の平均値を算出することにより求められる。

次に、各サンプル紙幣に対する入力波形毎に、基準波形との差を算出することにより、図 1 9に示すように、各サンプル紙幣毎に、汚れ、しわ等の変動成分の分布が生成される（ステップ 73) 。

次に、各サンプル紙幣毎の変動成分の分布を、時系列的に並べることにより、図 20に示すような、学習データが生成される（ステップ 74) 。

次に、学習データに基づいて、ライン L 1に対応する汚れ成分の予測モデルが生成される（ステップ 75) 。

つまり、まず、学習データを周期的時系列信号とみなして、次式（4) で示される自己回帰モデル（汚れ成分の予測モデル）が生成される。

X (n) =a , · X (n- 1) +a₂ · Χ (η— 2) 十… +a_P · X (n-p)

… （4) 上記式（4) において、 X (n) は、現時刻の汚れを表し、 X (n- 1 ) 〜X (n-p) は、過去の時刻の汚れを表している。また、 a, 〜a_P は、予測係数である。予測係数 a, 〜a_P は、予測精度が最も高くなるように、たとえば最小二乗法によって決定される。

なお、紙幣のライン L 2に対応する汚れ成分の予測モデルも同様にして生成される。

図 2 1は、第 1の精判定処理手順を示している。

搬送ずれ修正処理が行なわれた後のライン L 1に対する赤外光に基づく入力波形に基づいて行なわれる第 1の精判定処理について説明する。まず、図 22に示す、搬送ずれ修正処理が行なわれた後のライン L 1に対する赤外光に基づく入力波形と、図 1 8に示す基準波形との差を算出することにより、図 23に示すような、不規則成分の分布が生成される（ステップ 8 1 ) 。検査対象紙幣から求められたライン L 1上の不規則成分と、ライン L 1の汚れの予測モデルとに基づいて、検査対象紙幣のライン L 1上の汚れ成分が予測される（ステップ 82) 。つまり、検査対象紙幣のライン L 1上のある時刻（ある位置）の汚れ成分 X (n) は、不規則成分のデータにおける X (n— 1 ) 、 X (n — 2) 、 -X (n-p) を、上記式（4) に代入することによって得られる。これにより、図 24に示すように、検査対象紙幣のライン L 1上の汚れ成分の予測分布が得られる。

検査対象紙幣から求められたライン L 1上の不規則成分の分布と、検査対象紙幣のライン L 1上の汚れ成分の予測分布とが比較され、予測誤差の二乗の総和（予測誤差に関する値）が求められる（ステップ 83) 。つまり、ライン L 1上の不規則成分の分布と、検査対象紙幣の汚れ成分の予測分布との各部分の差の二乗の総和を求める。そして、求められた予測誤差に関する値と予め定められた所定範囲とを比較することにより、真偽判定が行なわれる（ステップ 84) 。求められた予測誤差に関する値が、所定範囲を越えていれば、当該紙幣は偽券であると判定される。

上記自己回帰モデルの代わりに、図 25に示すような、ニューラルネットヮークによる予測モデルを用いてもよい。ニューラルネットワークは、よく知られているように、入力層 20 1、中間層 202および出力層 203からなる。

このニューラルネットワークの学習は、上記ステップ 74で得られた学習デ一夕に基づいて行なわれる。つまり、過去の時刻のデータ X (n— l ) 、 X (n— 2) 、〜X (n-p) を入力パターンとし、現在時刻のデ一夕 X (n) を教師デ —夕として、ニューラルネットワークの学習が行なわれる。

そして、学習後のニューラルネットワークに、上記ステップ 8 1で生成された不規則成分の分布におけるある現在時刻 nに対する過去の時刻のデータ X (n- 1 ) 、 X (n— 2) 、〜X (n-p) を入力することによって、現在時刻 nのデ一夕 X (n) がニューラルネットワークから出力される。

紙幣の汚れ成分の予測モデルとして、重回帰モデルを用いてもよい。

紙幣の汚れ成分の予測モデルとして、重回帰モデルを用いる場合には、紙幣上のある位置の汚れ Zは、たとえば、次式（5) で表される。

Z = a , · Yi +a₂ · Y₂ +a₃ · Υ₃ + a₄ - Y₄ - (5) 上記式（5) において、 Υ】は対象となるデ一夕の位置を表す変化量であり、 Υ₂ は透過量データのばらつきを表す変化量であり、 Υ₃ はインクの濃度を表す変化量であり、 Υ₄ は紙の劣化度を表す変化量である。また、 a , 、 a₂ 、 a₃ 、 a ₄ は、重み係数であり、複数の真券の紙幣（サンプル紙幣）から得られた変化量 Y, 、 Y₂ 、 Y₃ 、 Y₄ に基づいて、予め求められる。

そして、検査対象紙幣から得られた変化量、 Υ₂ 、 Υ₃ 、 Υ₄ を、数式 5 に代入することにより、検査対象紙幣上の各位置に対する汚れ Xが算出される。この場合、データの位置を表す変化量 Υ, は、たとえば、紙幣を取り込む際の搬送モー夕に連結されたエンコーダから得られる。

デ一夕のばらつきを表す変化量 Υ₂ としては、たとえば、検査対象紙幣から得られた透過量の入力波形と、複数のサンプル紙幣から得られた 1つの透過量の基準波形（たとえば図 1 8に示す基準波形）との差の分散値 d i s pが用いられる。この分散値 d i s pは、各位置での入力波形と基準波形との差を d i ( i = 1 ， 2， 3— ）とし、これらの差 d iの平均値を * dとすると、次式（6) によつて求められる。

n (6) また、インクの濃度を表す変化量 Y ₃ としては、たとえば、検査対象紙幣のィンクの濃度の検出波形と、複数のサンプル紙幣から求められたインク濃度の基準波形との差の分散値 i nkが用いられる。つまり、分散値 i nkが大きければ、白と黒の差が大きく、インクが濃いと判定される。分散値 i nkが小さければ、白と黒の差が小さく、インクが薄いと判定される。この分散値 i nkは、各位置でのインク濃度の検出値とインク濃度の基準値との差を e i (i = l, 2, 3— n) とし、これらの差 e iの平均値を * eとすると、次式（7) によって求められる。

2

∑ ( e i — * e

I n k =

n - I … （7) また、紙の劣化度を表す変化量 Y₄ としては、検査対象紙幣の白地部分の透過率の検出値と、複数のサンプル紙幣から求められた白地部分の透過率の基準値との差の平均値 * fが用いられる。この平均値 * fは、検査対象紙幣の白地部分における各位置の透過率を Q iとし、真券の紙幣の白地部分における各位置の透過率の基準値を S i ( i = 1, 2， 3 n) とすると、次式（8) によって求められる。

n ー（8) また、上記重回帰モデルの代わりに、ニューラルネットワークによる予測モデルを用いてもよい。つまり、複数のサンプル紙幣から得られた各位置に対する変化量、 Y₂ 、 Y₃ 、 Υ₄ を入力パータンとし、複数のサンプル紙幣から得られた各位置での汚れを教師デー夕としてニューラルネットワークの学習が行なわそして、学習後のニューラルネットワークに、検査対象紙幣から得られた各位置での変化量、 Y ₂、 Y ₃ 、 Y ₄ を入力することによって、各位置での汚れ Ζがニューラルネットワークから出力される。

〔7〕第 2の精判定処理の説明

第 2の精判定処理は、搬送ずれ修正処理が行なわれた後の 4種類の入力波形のうち、ライン L 1に対する赤色光に基づく入力波形と、ライン L 2に対する赤色光に基づく入力波形とに基づいて行なわれる。そして、ライン L 1に対する赤色光に基づく入力波形による判定処理と、ライン L 2に対する赤色光に基づく入力波形による判定処理との両方において、検査対象紙幣が真券と判定された場合にのみ、当該検査対象紙幣は真券であると判定される。つまり、図 3のステップ 1 1で N Oとなる。

ライン L 1に対する赤色光に基づく入力波形による判定処理と、ライン L 2に対する赤色光に基づく入力波形による判定処理とは、同様な処理であるので、ライン L 1に対する赤色光に基づく入力波形による判定処理についてのみ説明する図 2 6は、図 3のステップ 1 0の第 2の精判定処理の詳細な手順を示している ο

複数の真券の紙幣（サンプル紙幣）に対して、赤色光を用いてライン L 1に対する入力波形が生成され、これらの入力波形から 1つの基準波形が予め生成されている。また、後述する手法により、ライン L 1上の演算対象となる特徴量読み取り位置を示すマスクが予め用意されている。この例では、図 2 7および図 2 8 に示すように、 2種類のマスク 1 0 1、 1 0 2が用意されているものとする。図 2 7および図 2 8において、マスク 1 0 1、 1 0 2の各枒目は、ライン L 1上の各特徴量読み取り位置に対応している。そして、 " 1 " が記された拼目は、その位置が演算対象点であることを示し、 " 0 " が記された f升目は、その位置が演算対象点でないことを示している。

まず、第 1のマスク 1 0 1を用いたマッチング処理が行なわれる（ステップ 9 1) 。つまり、第 1のマスク 1 0 1によって表される演算対象となる特徴量読み取り位置毎に、ライン L 1に対する赤色光に基づく入力波形と、ライン L 1に対する基準波形との差が求められ、これらの差の二乗の総和（以下、差分二乗和という）が算出される。

そして、得られた差分二乗和が予め定められた所定値以下であるか否かが判定される（ステップ 92) 。得られた差分二乗和が予め定められた所定値より大きい場合には（ステップ 92で YES) 、当該検査対象紙幣は、偽券と判定される (ステップ 95) 。したがって、この場合には、図 3のステップ 1 1で YESとな。

得られた差分二乗和が予め定められた所定値以下である場合には（ステップ 9 2で NO) 、第 2のマスク 1 02を用いたマッチング処理が行なわれる（ステツプ 93) 。つまり、第 2のマスク 1 02によって表される演算対象となる特徴量読み取り位置毎に、ライン L 1に対する赤色光に基づく入力波形と、ライン L 1 に対する基準波形との差が求められ、これらの差の二乗の総和（以下、差分二乗和という）が算出される。

そして、得られた差分二乗和が予め定められた所定値以下であるか否かが判定される（ステップ 94) 。得られた差分二乗和が予め定められた所定値より大きい場合には（ステップ 94で YES) 、当該検査対象紙幣は、偽券と判定される (ステップ 95) 。したがって、この場合には、図 3のステップ 1 1で YESとなる。

得られた差分二乗和が予め定められた所定値以下である場合には（ステップ 94 で NO) 、当該検査対象紙幣は、真券と判定される（ステップ 9 6) 。

マスクの生成方法について説明する。マスクの生成は、遣伝アルゴリズム（以下、 GAという）による最適化処理によって行なわれる。

個体は、紙幣投入方向判別処理において説明したように、図 8に示すように表現される。個体は各特徴量読み取り位置に対応する遺伝子を持ち、各遺伝子は" 0" あるいは" ' の値をとる。ここで、 " 0" は当該遺伝子に対応する読み取り位置の検出値を演算対象点としないことを表し、 " 1 " は当該遺伝子に対応する読み取り位置の検出値を演算対象点とすることを表している。

この例では、複数枚の真券の紙幣に対する入力波形が、真券の分析用紙幣デー夕として用意され、複数枚の偽券の紙幣に対する入力波形が、偽券の分析用紙幣データとして用意されている。

図 2 9は、ある個体に対する各分析用紙幣データと基準波形との差の二乗の総和（差分二乗和）と、その個体に対する各真券の分析用紙幣データと基準波形との差の二乗の総和の分布曲線 Sとを示している。

ある個体に対する各分析用紙幣データと基準波形との差分二乗和は、各分析用紙幣データに対して、次のような演算が行なわれることにより作成される。つまり、ある個体によって表される演算対象点ごとに、分析用紙幣データと基準波形との差が求められ、これらの差の二乗の総和が求められる。

図 2 9において、四角のマークは、各真券の分折用紙幣データに対する差分二乗和を示し、三角マークは、各偽券の分析用紙幣データに対する差分二乗和を示している。

個体の評価は、次式（9 ) で示される距離尺度 Rに基づいて行なわれる。

F m I n—

R=

σ … （式（9 ) において、 Rは距離尺度である。 F m i nは、各偽券の分析用紙幣デ一夕に対する差分二乗和のうちの最小値を示している。は、真券の分析用紙幣データに対する差分二乗和の分布の平均値を示している。また、びは、真券の分折用紙幣データに対する差分二乗和の分布の標準偏差を示している。

図 3 0は、 G Aによる最適化処理手順を示している。

まず、初期集団が作成される（ステップ 1 0 1 ) 。つまり、予め設定した数の個体が乱数によって作成される。ただし、作成される各個体の演算対象点の数は、 1 0点以内とされる。そして、乱数によって作成された個体に対して、全ての分析用紙幣データを用いて、距離尺度 Rが算出される。そして、距離尺度尺が、大きいものから順に、 2 0個の個体が生成される。

次に、淘汰処理が行なわれる（ステップ 1 0 2 ) 。つまり、各個体に対する距離尺度 Rを算出し、距離尺度 Rが大きい上位半分の個体が選択され、他の個体が廃棄される。したがって、 1 0個の個体が選択される。

次に、ステップ 1 0 2で選択された個体のうちから、任意に 2つの個体が選択され、選択された個体間で交叉が行なわれる（ステップ 1 0 3 ) 。このような交叉が 1 0回行なわれることにより、 2 0個の新たな個体集団が生成される。交叉としては、たとえば、一様交叉が用いられる。

この後、 1個の個体が選択され、突然変異が発生せしめられる（ステップ 1 0 4 ) 。つまり、選択された個体の任意の遺伝子の値が反転せしめられる。

次に、上記ステップ 1 0 3、 1 0 4の処理によって得られた 2 0個の個体それぞれについて、制約条件を満たしているか否かの検査が行なわれる（ステップ 1 0 5 ) 。つまり、各個体ごとに、演算対象点の数が 1 0点以内か否かが調べられる。そして、演算対象点の数が 1 0点を越えている個体は、破棄される。

制約条件を満たしていない個体が 1つでも存在する場合には（ステップ 1 0 6 で N O ) 、ステップ 1 0 3に戻り、破棄された個体数に相当する数の個体が、残つている個体から交叉によって生成される。そして、ステップ 1 0 4〜1 0 6の処理が行なわれる。

ステップ 1 0 4〜1 0 6の処理が繰り返されることにより、全ての個体が制約条件を満たすようになると（ステップ 1 0 6で Y E S ) 、予め定められた回数分、たとえば、 3 0 0回の世代交代が行なわれたか否かが判定される（ステップ 1 0 7 ) 。予め定められた世代数分の世代交代が行なわれていない場合には、ステップ 1 0 2に戻り、ステップ 1 0 2以降の処理が再度実行される。

ステップ 1 0 7において、予め定められた世代数分の世代交代が行なわれたと判定された場合には、処理を終了する。そして、残っている個体のうちから、距離尺度 Rが大きいものを 2つ選択する。選択された 2つの個体に対応するマスクを生成し、一方を第 1のマスクとし、他方を第 2のマスクとする。

なお、上記の第 2の精判定処理では、 2個のマスクを用いて 2段階のマツチング処理が行なわれているが、 3個以上のマスクを用いて 3段階以上ののマッチング処理を行なう用にしてもよい。また、 1個のマスクを用いて、 1段階のみのマッチング処理を行なうようにしてもょレ、₀

上記実施の形態では、第 1の精判定処理は赤外光に基づく入力波形に基づいて行なわれ、第 2の精判定処理は赤色光に基づく人力波形に基づレ、て行なわれているが、第 1の精判定処理を赤色光に基づく入力波形に基づいて行い、第 2の精判定処理を赤外光に基づく入力波形に基づいて行なってもよい。また、第 1の精判定処理および第 2の精判定処理を、ともに、赤外光に基づく人力波形に基づいて行なうようにしてもよい。また、第 1の精判定処理および第 2の精判定処理を、ともに、赤色光に基づく入力波形に基づし、て行なうようにしてもよい。

<産業上の利用可能性 >

この発明に係る紙葉類の真偽判定方法および紙葉類の投入方向判別方法は、両替機、各種の自動販売機等において、投入された紙幣の真偽を判定する際に、有用である。

Claims

請求の範囲

1 . 検査対象の紙葉類に対して、第 1の真偽判定処理を行うステップ、

第 1の真偽判定処理において、検査対象の紙葉類が偽券ではないと判定されたときのみ、検査対象の紙葉類に対して、第 2の真偽判定処理を行なうステップ、および

第 2の真偽判定処理において、検査対象の紙葉類が偽券ではないと判定されたときのみ、検査対象の紙葉類が真券であると判定するステップを備えており、第 1の真偽判定処理は、検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた基準データとに基づいて、紙葉類の特徴量毎の不規則成分を抽出する第 1ステップ、

抽出された特徴量毎の不規則成分と、予め定められた汚れ成分の予測モデルとに基づいて、上記検査対象の紙葉類上の上記複数箇所毎の汚れ成分を推測する第 2ステップ、および

推測された汚れ成分と抽出された不規則成分とに基づいて、検査対象の紙葉類の真偽を判定する第 3ステツプを備えており、

第 2の真偽判定処理は、上記検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた第 2の基準デー夕とのうち、予め判定に適しているとして選択された複数の演算対象位置に対する、特徴量および第 2の基準データに基づいて、特徴量と第 2の基準デ一夕とのマツチング度を算出する第 4ステップ、および

算出されたマッチング度に基づいて、検査対象の紙葉類の真偽を判定する第 5 ステツプを備えている紙葉類の真偽判定方法。

2 . 上記第 1ステップで用いられる基準データは、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量に基づ、て生成され、

上記第 2ステツプで用いられる汚れ成分の予測モデルは、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と、上記基準デー夕とに基づレ、て生成され、

上記第 3ステツプは、推測された汚れ成分と抽出された不規則成分とに基づレ、て、予測誤差に関する値を算出するステップ、および算出された予測誤差に関する値が予め定められた所定値より大きいときに、検査対象の紙葉類が偽券であると判定し、算出された予測誤差に関する値が予め定められた所定値以下のときに、検査対象の紙葉類が偽券でないと判定するステップを備えている請求項 1に記載の紙葉類の真偽判定方法。

3 . 上記第 4ステップで用いられる複数の演算対象位置は、遺伝アルゴリズムによる最適化処理によって求められる請求項 1および 2のいずれかに記載の紙葉類の真偽判定方法。

4 . 検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた基準デー夕とに基づレ、て、紙葉類の特徴量毎の不規則成分を抽出する第 1ステップ、

推測された汚れ成分と抽出された不規則成分とに基づ t、て、検査対象の紙葉類の真偽を判定する第 3ステップ、

を備えている紙葉類の真偽判定方法。

5 . 上記第 1ステップで用いられる基準データは、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量に基づ、て生成され、

上記第 2ステツプで用いられる汚れ成分の予測モデルは、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と、上記基準データとに基づいて生成され、

上記第 3ステップは、推測された汚れ成分と抽出された不規則成分とに基づいて、予測誤差に関する値を算出するステップ、および算出された予測誤差に関する値が予め定められた所定値より大きいときに、検査対象の紙葉類が偽券であると判定し、算出された予測誤差に関する値が予め定められた所定値以下のときに、検査対象の紙葉類が偽券でないと判定するステップを備えている請求項 4に記載の紙葉類の真偽判定方法。

6 . 上記汚れ成分の予測モデルは、複数の真券の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記基準データにおける対応する箇所のデータとの差分のデータが、時系列に並べられたデータ群から求められた自己回帰モデルである請求項 5に記載の紙葉類の真偽判定方法。

7 . 検査対象の紙葉類上の複数箇所から読み取られた紙葉類の特徴量と上記複数箇所に対して予め求められた第 2の基準デー夕とのうち、予め判定に適しているとして選択された複数の演算対象位置に対する、特徴量および第 2の基準データに基づレ、て、特徴量と第 2の基準デー夕とのマツチング度を算出するステップ、および

算出されたマッチング度に基づいて、検査対象の紙葉類の真偽を判定するステップを備えている紙葉類の真偽判定方法。

8 . 上記複数の演算対象位置は、遺伝アルゴリズムによる最適化処理によって選択される請求項 7に記載の紙葉類の真偽判定方法。

9 . 遺伝アルゴリズムによる最適化処理は、

予め定められた複数の特徴量読み取り位置をそれぞれ遺伝子として持ち、各遺伝子は、その読み取り位置を演算対象とするか否かのいずれかを表す値をとる第 1の所定数の個体からなる初期集団を生成する第 1ステップ、

各個体毎に、予め用意した複数の真券の紙葉類および複数の偽券の紙葉類の分析用データに基づいて、真券と偽券との判別精度の評価値を算出し、評価値の高レ、個体を第 2の所定数だけ選択する第 2ステップ、

選択された個体群から任意の個体対を選択して所定の遺伝的操作を加えることにより、第 1の所定数の個体からなる新しい個体集団を生成する第 3ステップ、演算対象とする遺伝子の数が予め定められた制約数を越えている個体を廃棄する第 4ステップ、所定の遺伝的操作を繰り返すことにより、第 1の所定数の個体から構成され、かつすベての個体において演算対象とする遺伝子の数が予め定められた制約数以下となるような個体集団を生成する第 5ステップ、および

第 2ステツプ〜第 5ステツプの処理を所定回数繰り返す第 6ステップ、を備えている請求項 8に記載の紙葉類の真偽判定方法。

1 0 . 遺伝的操作が交叉処理および突然変異処理である請求項 9に記載の紙葉類の真偽判定方法。

1 1 . 検査装置に投入された検査対象の紙葉類の複数箇所から、紙葉類の特徴量を読み取る第 1ステップ、および

読み取られた特徴量と、投入方向毎に予め生成された各投入方向別基準データとを比較することにより、上記紙葉類の投入方向を判別する第 2ステップ、を備えている紙葉類の投入方向判別方法。

1 2 . 上記第 2ステップは、

各投入方向別基準データ毎に、上記紙葉類の複数箇所から読み取られた各特徴量と、投入方向別基準デ一夕の対応する位置のデータとの差の二乗の総和をそれぞれ求めるステップ、および

得られた値のうちの最小値に対応する基準デ一タの方向を、上記紙葉類の投入方向であると判別するステップ、

を備えている請求項 1 1に記載の紙葉類の投入方向判別方法。

1 3 . 上記第 2ステップは、

検査対象の紙葉類の各読み取り箇所から読み取られた特徴量で表される位置に対する特徴量と、所定の投入方向別基準データの対応する位置のデータとの差を求め、これらの差の平均値が零になるように、紙葉類の各読み取り箇所ごとの特徵量を補正するステップ、

各投入方向別基準データ毎に、上記紙葉類の複数箇所に対する補正後の各特徴量と、投入方向別基準データの対応する位置のデータとの差の二乗の総和をそれぞれ求めるステップ、および得られた値のうちの最小値に対応する基準データの方向を、上記紙葉類の投入方向であると判別するステップ、

1 4 . 上記第 2ステップは、

遺伝アルゴリズムによる最適化処理によって、予め定められた複数の特徴量読み取り箇所のうちから、投入方向判定結果の正解率が所定値以上となる最小限の特徴量読み取り箇所を探索しておくステップ、および

探索された特徴量読み取り箇所からのみ得られる特徴量と、被検査対象の投入方向毎に予め生成された投入方向別基準データとに基づいて、被検査対象の投入方向を判定するステップ、

1 5 . 遺伝アルゴリズムによる最適化処理は、

予め定められた複数の特徴量読み取り位置をそれぞれ遺伝子として持ち、各遺伝子は投入方向判定用の特徴量読み取り位置の対象とするかしないかのいずれかを表す値をとる第 1の所定数の個体からなる初期集団を生成する第 1ステップ、初期集団から、投入方向判定用の特徴量読み取り位置の対象とする遺伝子の数の少ない個体を第 2の所定数だけ選択する第 2ステップ、

選択された個体群から任意の個体対を選択して所定の遺伝的操作を加えることにより、第 1の所定数の個体からなる新しい個体集団を生成する第 3ステップ、新しい個体集団の各個体ごとに、予め用意した複数の分析用データから得られた複数の制約条件検査用データそれぞれに対する投入方向判定結果の正解率を算出し、正解率が所定値より低い個体を廃棄する第 4ステップ、

所定の遣伝的操作を繰り返すことにより、第 1の所定数の個体から構成され、かつすベての個体の正解率が所定値以上となるような個体集団を生成する第 5ステツプ、および

第 2ステツプ〜第 5ステツプの処理を所定回数繰り返す第 6ステップ、を備えている請求項 1 4に記載の被検査対象の投入方向判定方法。

1 6 . 遺伝的操作が交叉処理および突然変異処理である請求項 1 5に記載の被検査対象の投入方向判定方法。

1 7 . 検査対象の紙葉類の搬送方向の複数箇所から、紙葉類の特徴量を読み取ることにより、上記紙葉類の搬送方向上の位置に対する特徴量を表す入力波形を生成する第 1ステップ、

人力波形の基準波形に対する搬送方向のずれ幅を、予め定められた最小ずれ幅と最大ずれ幅との間で複数設定し、設定された各ずれ幅ごとに、入力波形を搬送方向にずらせた複数のずれ幅算出用波形を作成する第 2ステップ、

作成された各ずれ幅算出用波形毎に、搬送方向上の各位置のうち、予め定められた複数の演算対象位置において、ずれ幅算出用波形と予め作成された基準波形との差分の総和に応じた値を算出する第 3ステップ、および

算出された差分の総和に応じた値が最小であるずれ幅算出用波形に対するずれ幅を、上記入力波形の上記基準波形に対する搬送方向のずれ幅であると決定する第 4ステップ、

を備えている紙葉類の特徴量波形のずれ幅算出方法。

1 8 . 上記差分の差分の総和に応じた値が、差分の絶対値の総和である請求項 1 7に記載の紙葉類の特徴量波形のずれ幅算出方法。

1 9 . 上記差分の差分の総和に応じた値が、差分の二乗の総和である請求項 1 7 に記載の紙葉類の特徴量波形のずれ幅算出方法。

2 0 . 上記第 3ステップで用いられる複数の演算対象位置は、入力波形の基準波形に対する搬送方向のずれ幅を、予め定められた最小ずれ幅と最大ずれ幅との間で複数設定し、設定された各ずれ幅ごとに、上記基準波形を搬送方向にずらせた複数の演算対象位置算出用波形を作成し、作成された各演算対象位置算出用波形毎に、搬送方向上の各位置において、上記基準波形との差分の絶対値を算出し、搬送方向上の各位置毎に、その位置に対して算出された差分の絶対値のうちから最小値を抽出し、全ての位置のうち、抽出された最小値が大きいものから順に所定数の位置を選択することにより、求められる請求項 1 7、 1 8および 1 9のいずれかに記載の紙葉類の特徴量波形のずれ幅算出方法。