CPN算法在纸币清分机中的应用

详细信息    查看全文 | 推荐本文 |

英文篇名：Application analysis of algorithm based on high speed and high precision banknote clearing system in banknote sorting machine 作者：黄云 英文作者：HUANG Yun;Hunan Great Wall Information Finance Equipment Co.,Ltd; 关键词：纸币清分机 ; 纸币清分系统算法 ; CPN算法 英文关键词：banknote sorting machine;;banknote clearing system algorithm;;CPN algorithm 中文刊名：ZDYY 英文刊名：Automation & Instrumentation 机构：湖南长城信息金融设备有限责任公司; 出版日期：2019-03-25 出版单位：自动化与仪器仪表 年：2019 期：No.233 语种：中文; 页：ZDYY201903054 页数：4 CN：03 ISSN：50-1066/TP 分类号：217-220

摘要

纸币清分机的主要功能在于纸币图像识别、纸币分类清分,随着需求的不断增长,传统纸币清分机暴露出图像识别分辨率低、识别速度慢的问题。这些问题也引起了模式识别领域的重点关注。有研究提出了一种基于高速高精度纸币清分系统的算法类型,此类算法可以改善传统纸币清分机的弊端,本文选取了其中较具代表性的CPN算法进行研究,CPN算法相比与其他算法具有优势,CPN算法虽然速度上略慢但尚处于合格范围内,而CPN算法的准确率要高于其他算法,并且可以识别面向,所以综合分析下CPN算法为最优算法。
        The main function of the banknote clearing machine lies in the image recognition of banknotes and the sorting and clearing of banknotes.With the continuous increase of demand,the traditional banknote sorting machine exposes the problem of low image recognition resolution and slow recognition speed,which also causes the field of pattern recognition.In the following research,a type of algorithm based on high-speed and high-precision banknote clearing system is proposed.Such an algorithm can improve the drawbacks of the traditional banknote sorting machine.In order to understand the algorithm of the banknote clearing system,After comprehensive analysis,the more representative CPN algorithm was selected for research.The CPN algorithm has higher advantages than other algorithms,such as the DTW algorithm and the SVM/DTW algorithm.The CPN algorithm is slightly slower but still in the qualified range,and the CPN algorithm is more accurate than others.So the CPN algorithm is the optimal algorithm under comprehensive analysis.

引文

[1] 苟春艳,万晓静,周飞,等.公交系统纸币清分机控制系统设计关键技术[J].山东工业技术,2016,(9):245.
    [2] 吴财源,钟球盛,侯文峰.基于机器视觉的纸币清分机设计分析[J].机械设计与研究,2017,(5):60-62.
    [3] 陈正伟,朱建华,周律,等.人民币纸币冠字号码字符识别方法研究[J].浙江科技学院学报,2014,26(6):415-418.
    [4] 柳春华,何勇.基于图像处理方法的纸币清分系统的研究与实现[J].西南师范大学学报(自然科学版),2014,(5):81-87.
    [5] 冯博远,任明武,张煦尧,等.人民币冠字号码识别预处理算法研究[J].计算机工程与科学,2015,37(6):1148-1153.
    [6] 闵晶妍,陈红兵.3种人民币号码图像号码体识别方法的对比研究[J].电脑编程技巧与维护,2015,(14):105-106.
    [7] 张开生,黄谦.基于粒子群优化BP神经网络的脉象识别方法[J].现代电子技术,2018,(3):96-100.
    [8] 张颖,韩笑.一种快速纸币图像污损检测算法研究与仿真[J].计算机仿真,2016,33(6):442-445.
    [9] 许兴培,吴庆洪,肖雪,等.人民币冠字号码的粒子群优化BP神经网络识别[J].辽宁科技大学学报,2015,(1):26-31.
    [10] 董静,王立峰.颜色传感器在人民币纸币识别系统中的应用[J].微型机与应用,2014,(9):42-44.
    [11] 吕建起,王志坤,侯晓峰,等.对一种基于颜色识别纸币清分机的研究[J].农产品加工月刊,2017,(16):30.
    [12] 谢天海,梁磊磊,代献泽,等.基于TCS230颜色识别传感器的纸币清分机[J].机械工程师,2018,(1):102-103.
    [13] 李雪梨,索双富,武佩君.一种基于紫外荧光图像的人民币面额识别算法[J].机械设计与制造,2017,(3):1-3.
    [14] 钟球盛,谭小蔓,谢宏威,等.基于几何特征匹配的纸币水印视觉识别算法研究[J].机电工程技术,2018,(1):11-13.
    [15] 焦梦姝,彭佳红.人民币纸币面额手机识别系统设计研究[J].电脑知识与技术,2015,11(17):151-152.
    [16] 陈铭,CHENMing.基于特征的BP神经网络人民币号码识别系统[J].测控技术,2014,33(12):54-56.