CN107862685A - 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法 - Google Patents

一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法 Download PDF

Info

Publication number
CN107862685A
CN107862685A CN201711071895.8A CN201711071895A CN107862685A CN 107862685 A CN107862685 A CN 107862685A CN 201711071895 A CN201711071895 A CN 201711071895A CN 107862685 A CN107862685 A CN 107862685A
Authority
CN
China
Prior art keywords
bank note
cabinet
image
cabinet position
artificial intelligence
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
Application number
CN201711071895.8A
Other languages
English (en)
Other versions
CN107862685B (zh
Inventor
王美金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shi Yifei
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711071895.8A priority Critical patent/CN107862685B/zh
Publication of CN107862685A publication Critical patent/CN107862685A/zh
Application granted granted Critical
Publication of CN107862685B publication Critical patent/CN107862685B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
    • A47B81/00—Cabinets or racks specially adapted for other particular purposes, e.g. for storing guns or skis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D11/00—Devices accepting coins; Devices accepting, dispensing, sorting or counting valuable papers
    • G07D11/10—Mechanical details
    • G07D11/12—Containers for valuable papers
    • G07D11/13—Containers for valuable papers with internal means for handling valuable papers
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D11/00—Devices accepting coins; Devices accepting, dispensing, sorting or counting valuable papers
    • G07D11/10—Mechanical details
    • G07D11/16—Handling of valuable papers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Image Analysis (AREA)

Abstract

一种人工智能学习和识别蓝牙钱箱纸币张数的***，包括存取款凭证、办公台、柜箱、脚箱、外摄像***、减震键盘、文字识别***和人工智能金融服务器。人工智能金融服务器包括人工智能装置、金融服务器、避振调度装置。人工智能装置对从定焦微距摄像装置取得的，经分光三图重叠处理的每个柜位内的图像，用Canny边缘检测算子进行图像边缘检测，再用反向传递神经网络处理边缘检测后的图像，得到柜位内纸币的实物张数，再从金融服务器取得图像对应柜位内应有的纸币的帐务张数，将实物张数与帐务张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。

Description

一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法
技术领域
本发明涉及人工智能、金融机具、物联网技术领域，具体涉及一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法 。
背景技术
目前金融从业人员在柜台工作时，经常班后结数时发现长款或短款，在日常工作中压力很大，很担心错数，导致服务时间长，客户排队时间长。
长款或短款的原因，基本上是应付款时收款，应收款时付款，目前没有解决办法。
长款或短款如果在客户在时，立即发现，很容易解决，但班后结数时发现，则要寻找原因，冲数，经常未能找回要柜员自已出钱解决。
金融从业人员柜台工作时，盖章、数钱等工作会产生震动，影响桌子的稳定。但工作流程中，有50%时间是与客户沟通，打键盘输资料入电脑，数钱等震动的工序。
中国专利：“一种金融RFID自动统计钱箱的***” 实现金融库存的自动结数，但未能自动找出长短款。
中国专利：“一种人工智能识别RFID钱箱内货币长短款的装置和方法”用称重的方法实现金融库存的自动对帐，但只对于存款当取款，取款当存款等反向错误效果显著，对于少收一、二张纸币的错误，误报概率很大。
亮度是反光面或透光面在人眼观察方向看到的明暗程度叫。被摄景物的亮度与被摄体受到光线照射的强度E和被射体的反光率有关。
在相同的照度下，反光率越高的景物亮度越高；反光率相同的物体，受到照射的照度值越高，则其亮度值越高。
物体的边缘是由灰度不连续性所反映的。经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，即边缘检测局部算子法。
在相对密集，但对比捆绑完成的纸币，不是特别密集的，钱箱单一面额柜位里面的纸币，在单一的图像中，纸币边缘的灰度的变化，尚难以用人工智能的方法识别其中张数。其中一个原因是，纸币边缘的像数灰度，表达的也是这张纸币邻近纸币的灰度，与该纸币是一样的。
因此，急需一种***和方法，使纸币边缘灰度的变化变得明显。还急需一种方法，收付款业务中长款或短款发生时能立即发现。
发明内容
本发明实施例提供了一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法以解决收付款业务中长款或短款发生时能立即发现的问题。
本发明的目的之一是，提供一种***和方法，使纸币边缘灰度的变化变得明显。
本发明的目的之一是，使收付款业务中长款或短款发生时能立即发现。
本发明通过以下技术方案实现上述目的。
一种人工智能学习和识别蓝牙钱箱纸币张数的***，包括存取款凭证、办公台、柜箱、脚箱、外摄像***、减震键盘、文字识别***和人工智能金融服务器。
所述的存取款凭证用于客户存取款时填写，包括元、角二个券别区域和存取款标志，券别区域用于记录各面额纸币有多少张，元位券别下面包括7个表格，分别由100、50、20、10、5、2和1这7个数字、斜杠和空格组成；角位券下面包括3个表格，分别由0.5、0.2和0.1这3个数字、斜杠和空格组成。
所述的办公台包括台板、抽屉；台板包括移动灯光***、定焦微距摄像装置；抽屉包括后板、前板、左板、右板、柜箱座，用于放置柜位，保证柜位稳定和无风，用于检测纸币的进出，用于为柜位提供电源和通讯。
后板包括8个视觉传感器，对应且略高于一个柜位。
前板包括8个基准图像，对应且略高于一个柜位，与视觉传感器一一对应。
左板包括2个视觉传感器，对应且略高于一个柜位。
右板包括2个基准图像，对应且略高于一个柜位，与视觉传感器一一对应。
视觉传感器和基准图像联合用于检测纸币的进出，当柜位对应的前方和左边视觉传感器均检测到基准图像异常时，判定该柜位有一次纸币的进出。
柜箱座包括光线感应器、振动测量传感器、电池、控制***、电路接口和蓝牙装置。
光线感应器用于检测柜箱封闭时且仅保持灯光装置打开时的亮度，发给控制***，保证柜箱亮度的一致性。
移动灯光***包括保持灯光装置和移动灯光装置，保持灯光装置用于保持柜箱内光线亮度，移动灯光装置由前、中、后三部分移动LED灯装置组成，用于使柜位中未捆绑的纸币接受不同角度的光照，在不同角度但相同照度的光照下，纸币与二张纸币之间隙之间的亮度变化不同，从而识别出每张纸币的边界，统计后得到纸币的张数。
定焦微距摄像装置用于从柜位上方，中间且垂直方向拍摄柜位内纸币上方边缘的图像；分别位于移动灯光装置由前、中二部分移动LED灯装置之间，中、后二部分移动LED灯装置之间。
所述的柜箱包括柜位，用于放置散钞、整把纸币。
柜位分为元位柜位、角位柜位、整把柜位与章证柜位；柜位最上面由涂有黑色涂料组成。
元位柜位有七个位于左前方，用于放置一元到百元面额且少于100张的纸币。
角位柜位有三个位于左后方，用于放置一角到伍角面额且少于100张的纸币。
章证柜位于后方中间，用于放置章证。
整把柜位于右边，用于放置整把的纸币。
脚箱用于放置整捆纸币，脚箱包括控制***、电池、蓝牙装置、视觉传感器和基准图像组；视觉传感器和基准图像一一对应位于箱的两边，用于检测整捆纸币的进出。
所述的外摄像***位于柜员上方，用于将柜员写在角、元位券别区域内的张数和存取款标志区域内的图像，传送到文字识别***，用于纸币新旧程度的图像传送到人工智能金融服务器。
所述的减震键盘用于业务资料的输入，减震键盘与桌子接触的地方装有橡胶减震垫。
所述的文字识别***用于识别角位券别，元位券别内柜员手写的张数，用于识别存取款标志。
所述的人工智能金融服务器包括人工智能装置、金融服务器、避振调度装置，用于识别校正，将库存与账务核对，如果错，提醒柜员手工检查并修改，用于控制避振调度装置从振动测量传感器取得信息，振动在允许范围时，对柜位进行拍摄。
人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度；人工智能装置对从定焦微距摄像装置取得的，经分光三图重叠处理的每个柜位内的图像，用Canny边缘检测算子进行图像边缘检测，再用反向传递神经网络处理边缘检测后的图像，得到柜位内纸币的实物张数，再从金融服务器取得图像对应柜位内应有的纸币的帐务张数，将实物张数与帐务张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。
分光三图重叠处理的基本步骤如下。
A、金融服务器控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像。
B、将三张图像的亮度转化为灰度，再通过柜位黑色边缘定位，将三张图像重叠，然后用中间图像每个像数的灰度减去左边图像每个像数的灰度得出辅图1；再用中间图像每个像数的灰度减去右边图像每个像数的灰度得出辅图2；再用辅图1加辅图2，得出辅图3。
C、将辅图3送人工智能服务器。
一种人工智能学习和识别蓝牙钱箱纸币张数的***的使用方法，步骤如下。
A、客户存款，填写存款凭证，将现金与存款凭证一起送入柜台，交给柜员；柜员先清点大数，与客户、凭证核对。
B、柜员清点百元面额纸币，将纸币按整捆、整把、散钞清分；将总张数记入元位券别；外摄像装置将清分过程中的图像送人工智能模糊识别服务器，识别纸币面值和新旧程度。
C、外摄像装置将B步骤中柜员手写的总张数的图像送到文字识别***，识别出张数，数量超过一千的，每一千记录为一捆，有多少千记录多少捆，数量在100到999张的，每百记录为一把，有多少百记录多少把，数量在1到99张的，记录为张数，有多少张记录多少张。
D、外摄像装置将B步骤中柜员手写的存取款凭证的存取款标志的图像送到文字识别***，识别目前是存款还是取款。
E、如果是取款，金融服务器等待视觉传感器检测纸币的进出，检测进出发生后，在取款取时间内识别券别内柜员手写的张数，如果没有识别成功，则提示柜员重新处理；在取款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对。
F、如果是存款，金融服务器在识别券别内柜员手写的张数后，在存款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对。
G、如果有不同券别纸币，重复步骤B到F，直到清点完全部纸币。
H、完成一笔业务后，如果是元位柜位、角位柜位有超过100张的，金融服务器提醒柜员用扎钞纸捆扎成整把并放入整把柜位；整把柜位如果有超过10把同面额纸币，金融服务器提醒柜员用捆扎成整捆并放入脚箱。
I、金融服务器随时显示各柜位和脚箱的纸币张数和金额，与上一业务相比，各柜位的纸币是增加还是减少，方便柜员在客户清点时、签名时和间隙时清点部分或全部柜位和脚箱的纸币。
J、金融服务器在每一业务完成后且振动在允许范围时，控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像。
K、人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度。
L、人工智能装置对从定焦微距摄像装置取得的同一柜位的三张图像，经分光三图重叠处理后，用Canny边缘检测算子进行图像边缘检测。
M、人工智能装置用反向传递神经网络处理边缘检测后的图像，再从外摄像***取得所述纸币的全部或部分图像得到纸币新旧程度参数，用反向传递神经网络处理，得到柜位内纸币的实物张数。
N、金融服务器取得图像对应柜位内应有的纸币的帐务张数，与人工智能装置得到的实物张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。
O、重复步骤J 到N，直到所有存在纸币的柜位帐实相符。
本发明方法的有益效果是：收付款业务中长款或短款发生时能立即发现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1: 一种人工智能学习和识别蓝牙钱箱纸币张数的***。
图2: 存取款凭证。
图3: 台板仰视图。
图4: 一种人工智能学习和识别蓝牙钱箱纸币张数的***的使用方法。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例l：一种人工智能学习和识别蓝牙钱箱纸币张数的***。
如图l所示，本发明实施例一种人工智能学习和识别蓝牙钱箱纸币张数的***，包括存取款凭证、办公台、柜箱、脚箱、外摄像***、减震键盘、文字识别***和人工智能金融服务器。
所述的存取款凭证用于客户存取款时填写，包括元、角二个券别区域和存取款标志，券别区域用于记录各面额纸币有多少张，元位券别下面包括7个表格，分别由100、50、20、10、5、2和1这7个数字、斜杠和空格组成；角位券下面包括3个表格，分别由0.5、0.2和0.1这3个数字、斜杠和空格组成。
所述的办公台包括台板、抽屉；台板包括移动灯光***、定焦微距摄像装置；抽屉包括后板、前板、左板、右板、柜箱座，用于放置柜位，保证柜位稳定和无风，用于检测纸币的进出，用于为柜位提供电源和通讯。
后板包括8个视觉传感器，对应且略高于一个柜位。
前板包括8个基准图像，对应且略高于一个柜位，与视觉传感器一一对应。
左板包括2个视觉传感器，对应且略高于一个柜位。
右板包括2个基准图像，对应且略高于一个柜位，与视觉传感器一一对应。
视觉传感器和基准图像联合用于检测纸币的进出，当柜位对应的前方和左边视觉传感器均检测到基准图像异常时，判定该柜位有一次纸币的进出。
柜箱座包括光线感应器、振动测量传感器、电池、控制***、电路接口和蓝牙装置。
光线感应器用于检测柜箱封闭时且仅保持灯光装置打开时的亮度，发给控制***，保证柜箱亮度的一致性。
移动灯光***包括保持灯光装置和移动灯光装置，保持灯光装置用于保持柜箱内光线亮度，移动灯光装置由前、中、后三部分移动LED灯装置组成，用于使柜位中未捆绑的纸币接受不同角度的光照，在不同角度但相同照度的光照下，纸币与二张纸币之间隙之间的亮度变化不同，从而识别出每张纸币的边界，统计后得到纸币的张数。
定焦微距摄像装置用于从柜位上方，中间且垂直方向拍摄柜位内纸币上方边缘的图像；分别位于移动灯光装置由前、中二部分移动LED灯装置之间，中、后二部分移动LED灯装置之间。
所述的柜箱包括柜位，用于放置散钞、整把纸币。
柜位分为元位柜位、角位柜位、整把柜位与章证柜位；柜位最上面由涂有黑色涂料组成。
元位柜位有七个位于左前方，用于放置一元到百元面额且少于100张的纸币。
角位柜位有三个位于左后方，用于放置一角到伍角面额且少于100张的纸币。
章证柜位于后方中间，用于放置章证。
整把柜位于右边，用于放置整把的纸币。
脚箱用于放置整捆纸币，脚箱包括控制***、电池、蓝牙装置、视觉传感器和基准图像组；视觉传感器和基准图像一一对应位于箱的两边，用于检测整捆纸币的进出。
所述的外摄像***位于柜员上方，用于将柜员写在角、元位券别区域内的张数和存取款标志区域内的图像，传送到文字识别***，用于纸币新旧程度的图像传送到人工智能金融服务器。
所述的减震键盘用于业务资料的输入，减震键盘与桌子接触的地方装有橡胶减震垫。
所述的文字识别***用于识别角位券别，元位券别内柜员手写的张数，用于识别存取款标志。
所述的人工智能金融服务器包括人工智能装置、金融服务器、避振调度装置，用于识别校正，将库存与账务核对，如果错，提醒柜员手工检查并修改，用于控制避振调度装置从振动测量传感器取得信息，振动在允许范围时，对柜位进行拍摄。
人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度；人工智能装置对从定焦微距摄像装置取得的，经分光三图重叠处理的每个柜位内的图像，用Canny边缘检测算子进行图像边缘检测，再用反向传递神经网络处理边缘检测后的图像，得到柜位内纸币的实物张数，再从金融服务器取得图像对应柜位内应有的纸币的帐务张数，将实物张数与帐务张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。
分光三图重叠处理的基本步骤如下。
A、金融服务器控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像。
B、将三张图像的亮度转化为灰度，再通过柜位黑色边缘定位，将三张图像重叠，然后用中间图像每个像数的灰度减去左边图像每个像数的灰度得出辅图1；再用中间图像每个像数的灰度减去右边图像每个像数的灰度得出辅图2；再用辅图1加辅图2，得出辅图3。
C、将辅图3送人工智能服务器。
实施例2：存取款凭证。
如图2所示，本发明实施例存取款凭证用于客户存取款时填写，包括元、角二个券别区域和存取款标志，券别区域用于记录各面额纸币有多少张，元位券别下面包括7个表格，分别由100、50、20、10、5、2和1这7个数字、斜杠和空格组成；角位券下面包括3个表格，分别由0.5、0.2和0.1这3个数字、斜杠和空格组成。
实施例3：台板仰视图。
如图3所示，本发明实施例台板包括移动灯光***、定焦微距摄像装置。
移动灯光***包括保持灯光装置和移动灯光装置，保持灯光装置用于保持柜箱内光线亮度，移动灯光装置由前、中、后三部分移动LED灯装置组成，用于使柜位中未捆绑的纸币接受不同角度的光照，在不同角度但相同照度的光照下，纸币与二张纸币之间隙之间的亮度变化不同，从而识别出每张纸币的边界，统计后得到纸币的张数。
定焦微距摄像装置用于从柜位上方，中间且垂直方向拍摄柜位内纸币上方边缘的图像；分别位于移动灯光装置由前、中二部分移动LED灯装置之间，中、后二部分移动LED灯装置之间。
实施例4：一种人工智能学习和识别蓝牙钱箱纸币张数的***的使用方法。
如图4所示，本发明实施例一种人工智能学习和识别蓝牙钱箱纸币张数的***的使用方法，步骤如下。
A、客户存款，填写存款凭证，将现金与存款凭证一起送入柜台，交给柜员；柜员先清点大数，与客户、凭证核对。
B、柜员清点百元面额纸币，将纸币按整捆、整把、散钞清分；将总张数记入元位券别；外摄像装置将清分过程中的图像送人工智能模糊识别服务器，识别纸币面值和新旧程度。
C、外摄像装置将B步骤中柜员手写的总张数的图像送到文字识别***，识别出张数，数量超过一千的，每一千记录为一捆，有多少千记录多少捆，数量在100到999张的，每百记录为一把，有多少百记录多少把，数量在1到99张的，记录为张数，有多少张记录多少张。
D、外摄像装置将B步骤中柜员手写的存取款凭证的存取款标志的图像送到文字识别***，识别目前是存款还是取款。
E、如果是取款，金融服务器等待视觉传感器检测纸币的进出，检测进出发生后，在取款取时间内识别券别内柜员手写的张数，如果没有识别成功，则提示柜员重新处理；在取款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对。
F、如果是存款，金融服务器在识别券别内柜员手写的张数后，在存款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对。
G、如果有不同券别纸币，重复步骤B到F，直到清点完全部纸币。
H、完成一笔业务后，如果是元位柜位、角位柜位有超过100张的，金融服务器提醒柜员用扎钞纸捆扎成整把并放入整把柜位；整把柜位如果有超过10把同面额纸币，金融服务器提醒柜员用捆扎成整捆并放入脚箱。
I、金融服务器随时显示各柜位和脚箱的纸币张数和金额，与上一业务相比，各柜位的纸币是增加还是减少，方便柜员在客户清点时、签名时和间隙时清点部分或全部柜位和脚箱的纸币。
J、金融服务器在每一业务完成后且振动在允许范围时，控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像。
K、人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度。
L、人工智能装置对从定焦微距摄像装置取得的同一柜位的三张图像，经分光三图重叠处理后，用Canny边缘检测算子进行图像边缘检测。
M、人工智能装置用反向传递神经网络处理边缘检测后的图像，再从外摄像***取得所述纸币的全部或部分图像得到纸币新旧程度参数，用反向传递神经网络处理，得到柜位内纸币的实物张数。
N、金融服务器取得图像对应柜位内应有的纸币的帐务张数，与人工智能装置得到的实物张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。
O、重复步骤J 到N，直到所有存在纸币的柜位帐实相符。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.一种人工智能学习和识别蓝牙钱箱纸币张数的***，其特征在于，包括存取款凭证、办公台、柜箱、脚箱、外摄像***、减震键盘、文字识别***和人工智能金融服务器；
所述的存取款凭证用于客户存取款时填写，包括元、角二个券别区域和存取款标志，券别区域用于记录各面额纸币有多少张，元位券别下面包括7个表格，分别由100、50、20、10、5、2和1这7个数字、斜杠和空格组成；角位券下面包括3个表格，分别由0.5、0.2和0.1这3个数字、斜杠和空格组成；
所述的办公台包括台板、抽屉；台板包括移动灯光***、定焦微距摄像装置；抽屉包括后板、
前板、左板、右板、柜箱座，用于放置柜位，保证柜位稳定和无风，用于检测纸币的进出，用于为柜位提供电源和通讯；
后板包括8个视觉传感器，对应且略高于一个柜位；
前板包括8个基准图像，对应且略高于一个柜位，与视觉传感器一一对应；
左板包括2个视觉传感器，对应且略高于一个柜位；
右板包括2个基准图像，对应且略高于一个柜位，与视觉传感器一一对应；
视觉传感器和基准图像联合用于检测纸币的进出，当柜位对应的前方和左边视觉传感器均检测到基准图像异常时，判定该柜位有一次纸币的进出；
柜箱座包括光线感应器、振动测量传感器、电池、控制***、电路接口和蓝牙装置；
光线感应器用于检测柜箱封闭时且仅保持灯光装置打开时的亮度，发给控制***，保证柜箱亮度的一致性；+
移动灯光***包括保持灯光装置和移动灯光装置，保持灯光装置用于保持柜箱内光线亮度，移动灯光装置由前、中、后三部分移动LED灯装置组成，用于使柜位中未捆绑的纸币接受不同角度的光照，在不同角度但相同照度的光照下，纸币与二张纸币之间隙之间的亮度变化不同，从而识别出每张纸币的边界，统计后得到纸币的张数；
定焦微距摄像装置用于从柜位上方，中间且垂直方向拍摄柜位内纸币上方边缘的图像；分别位于移动灯光装置由前、中二部分移动LED灯装置之间，中、后二部分移动LED灯装置之间；
所述的柜箱包括柜位，用于放置散钞、整把纸币；
柜位分为元位柜位、角位柜位、整把柜位与章证柜位；柜位最上面由涂有黑色涂料组成；
元位柜位有七个位于左前方，用于放置一元到百元面额且少于100张的纸币；
角位柜位有三个位于左后方，用于放置一角到伍角面额且少于100张的纸币；
章证柜位于后方中间，用于放置章证；
整把柜位于右边，用于放置整把的纸币；
脚箱用于放置整捆纸币，脚箱包括控制***、电池、蓝牙装置、视觉传感器和基准图像组；视觉传感器和基准图像一一对应位于箱的两边，用于检测整捆纸币的进出；
所述的外摄像***位于柜员上方，用于将柜员写在角、元位券别区域内的张数和存取款标志区域内的图像，传送到文字识别***，用于纸币新旧程度的图像传送到人工智能金融服务器；
所述的减震键盘用于业务资料的输入，减震键盘与桌子接触的地方装有橡胶减震垫；
所述的文字识别***用于识别角位券别，元位券别内柜员手写的张数，用于识别存取款标志；
所述的人工智能金融服务器包括人工智能装置、金融服务器、避振调度装置，用于识别校正，将库存与账务核对，如果错，提醒柜员手工检查并修改，用于控制避振调度装置从振动测量传感器取得信息，振动在允许范围时，对柜位进行拍摄；
人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度；人工智能装置对从定焦微距摄像装置取得的，经分光三图重叠处理的每个柜位内的图像，用Canny边缘检测算子进行图像边缘检测，再用反向传递神经网络处理边缘检测后的图像，得到柜位内纸币的实物张数，再从金融服务器取得图像对应柜位内应有的纸币的帐务张数，将实物张数与帐务张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器。
2.根据权利要求1所述的一种人工智能学习和识别蓝牙钱箱纸币张数的***，其特征在于，所述的分光三图重叠处理的基本步骤如下：
A、金融服务器控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像；
B、将三张图像的亮度转化为灰度，再通过柜位黑色边缘定位，将三张图像重叠，然后用中间图像每个像数的灰度减去左边图像每个像数的灰度得出辅图1；再用中间图像每个像数的灰度减去右边图像每个像数的灰度得出辅图2；再用辅图1加辅图2，得出辅图3；
C、将辅图3送人工智能服务器。
3.一种人工智能学习和识别蓝牙钱箱纸币张数的***的使用方法，其特征在于，步骤如下：
A、客户存款，填写存款凭证，将现金与存款凭证一起送入柜台，交给柜员；柜员先清点大数，与客户、凭证核对；
B、柜员清点百元面额纸币，将纸币按整捆、整把、散钞清分；将总张数记入元位券别；外摄像装置将清分过程中的图像送人工智能模糊识别服务器，识别纸币面值和新旧程度；
C、外摄像装置将B步骤中柜员手写的总张数的图像送到文字识别***，识别出张数，数量超过一千的，每一千记录为一捆，有多少千记录多少捆，数量在100到999张的，每百记录为一把，有多少百记录多少把，数量在1到99张的，记录为张数，有多少张记录多少张；
D、外摄像装置将B步骤中柜员手写的存取款凭证的存取款标志的图像送到文字识别***，识别目前是存款还是取款；
E、如果是取款，金融服务器等待视觉传感器检测纸币的进出，检测进出发生后，在取款取时间内识别券别内柜员手写的张数，如果没有识别成功，则提示柜员重新处理；在取款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对；
F、如果是存款，金融服务器在识别券别内柜员手写的张数后，在存款放时间内，视觉传感器检测纸币的进出一次，如果没有检测成功，则提示柜员重新处理；如果识别和检测成功，则将库存更新一次并与帐务核对；
G、如果有不同券别纸币，重复步骤B到F，直到清点完全部纸币；
H、完成一笔业务后，如果是元位柜位、角位柜位有超过100张的，金融服务器提醒柜员用扎钞纸捆扎成整把并放入整把柜位；整把柜位如果有超过10把同面额纸币，金融服务器提醒柜员用捆扎成整捆并放入脚箱；
I、金融服务器随时显示各柜位和脚箱的纸币张数和金额，与上一业务相比，各柜位的纸币是增加还是减少，方便柜员在客户清点时、签名时和间隙时清点部分或全部柜位和脚箱的纸币；
J、金融服务器在每一业务完成后且振动在允许范围时，控制移动灯光装置位于柜位的左边、中间、右边时，定焦微距摄像装置分别拍摄一张图像；
K、人工智能装置使用神经网络图像识别算法，从外摄像***取得特定面值纸币的全部或部分图像，评估特定面值纸币的新旧程度；
L、人工智能装置对从定焦微距摄像装置取得的同一柜位的三张图像，经分光三图重叠处理后，用Canny边缘检测算子进行图像边缘检测，
M、人工智能装置用反向传递神经网络处理边缘检测后的图像，再从外摄像***取得所述纸币的全部或部分图像得到纸币新旧程度参数，用反向传递神经网络处理，得到柜位内纸币的实物张数，
N、金融服务器取得图像对应柜位内应有的纸币的帐务张数，与人工智能装置得到的实物张数相核对，如果不符，通过金融服务器提出警告信息，由使用人即时人工复核，使用人将复核结果输入人工智能服务器；
O、重复步骤J 到N，直到所有存在纸币的柜位帐实相符。
CN201711071895.8A 2017-11-03 2017-11-03 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法 Expired - Fee Related CN107862685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711071895.8A CN107862685B (zh) 2017-11-03 2017-11-03 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711071895.8A CN107862685B (zh) 2017-11-03 2017-11-03 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法

Publications (2)

Publication Number Publication Date
CN107862685A true CN107862685A (zh) 2018-03-30
CN107862685B CN107862685B (zh) 2021-07-23

Family

ID=61700751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711071895.8A Expired - Fee Related CN107862685B (zh) 2017-11-03 2017-11-03 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法

Country Status (1)

Country Link
CN (1) CN107862685B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596192A (zh) * 2018-04-24 2018-09-28 图麟信息科技（深圳）有限公司 一种币码堆的面值统计方法、装置及电子设备
CN110599668A (zh) * 2019-08-26 2019-12-20 深圳市合众金融设备服务有限公司 钞箱纸币数量的异常检测方法、***、服务器和金融设备
CN112036465A (zh) * 2020-08-26 2020-12-04 中国建设银行股份有限公司 图像识别方法、装置、设备及存储介质
CN112329845A (zh) * 2020-11-03 2021-02-05 深圳云天励飞技术股份有限公司 更换纸币的方法、装置、终端设备及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040213448A1 (en) * 2003-04-28 2004-10-28 Asn Technology Corp. Apparatus for recognizing counterfeit currency and method thereof
US20070122023A1 (en) * 2005-10-05 2007-05-31 Jenrick Charles P Currency processing system with fitness detection
CN101958019A (zh) * 2010-09-03 2011-01-26 河南大学 使用自动存取款装置进行交易的纸币编号管理方法
CN102050242A (zh) * 2009-11-05 2011-05-11 上海古鳌电子机械有限公司 智能点扎一体机
CN102439634A (zh) * 2009-03-19 2012-05-02 光荣株式会社 纸币识别计数装置和纸币识别计数方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040213448A1 (en) * 2003-04-28 2004-10-28 Asn Technology Corp. Apparatus for recognizing counterfeit currency and method thereof
US20070122023A1 (en) * 2005-10-05 2007-05-31 Jenrick Charles P Currency processing system with fitness detection
CN102439634A (zh) * 2009-03-19 2012-05-02 光荣株式会社 纸币识别计数装置和纸币识别计数方法
CN102050242A (zh) * 2009-11-05 2011-05-11 上海古鳌电子机械有限公司 智能点扎一体机
CN101958019A (zh) * 2010-09-03 2011-01-26 河南大学 使用自动存取款装置进行交易的纸币编号管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIWOO LEE ETAL.: "A Survey on Banknote Recognition Methods by Various Sensors", 《SENSORS》 *
曹益平等: "离焦在新钞票纸张识别中的应用", 《万方数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596192A (zh) * 2018-04-24 2018-09-28 图麟信息科技（深圳）有限公司 一种币码堆的面值统计方法、装置及电子设备
CN110599668A (zh) * 2019-08-26 2019-12-20 深圳市合众金融设备服务有限公司 钞箱纸币数量的异常检测方法、***、服务器和金融设备
CN110599668B (zh) * 2019-08-26 2021-05-11 深圳市合众金融设备服务有限公司 钞箱纸币数量的异常检测方法、***、服务器和金融设备
CN112036465A (zh) * 2020-08-26 2020-12-04 中国建设银行股份有限公司 图像识别方法、装置、设备及存储介质
CN112329845A (zh) * 2020-11-03 2021-02-05 深圳云天励飞技术股份有限公司 更换纸币的方法、装置、终端设备及计算机可读存储介质
CN112329845B (zh) * 2020-11-03 2024-05-07 深圳云天励飞技术股份有限公司 更换纸币的方法、装置、终端设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN107862685B (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN107862685A (zh) 一种人工智能学习和识别蓝牙钱箱纸币张数的***和方法
CN103456075B (zh) 一种纸币处理方法及装置
CN101226655B (zh) 用于具有多个类的有价媒介的验证模板
CN104992494B (zh) 一种纸币真伪的检测方法及装置
CN203799435U (zh) 纸币鉴定与残币兑换一体机
CN107748868B (zh) 一种人工智能识别rfid钱箱内货币长短款的装置和方法
CN106558143B (zh) 一种100元人民币拼接纸币的识别方法及装置
CN105741440B (zh) 钞票币种兑换自助设备运行方法和装置
US20150262150A1 (en) Method of Producing a Check using an ATM
CN101482988B (zh) 一种票据防伪方法、装置及***
CN204537304U (zh) 钞币清分包扎装置
CN203133996U (zh) 具有纸币序列号打印功能的验钞仪
CN104856385B (zh) 智能钱包和基于其的用户账户信息获取方法
CN101964123A (zh) 纸币验钞模块可以识别钞号的方法
US20220108320A1 (en) Simulator for value instrument negotiation training
JP6776831B2 (ja) 現金処理装置
JP2016081283A (ja) 紙葉類処理装置
CN204926273U (zh) 钞票自动交易装置
CN205015963U (zh) 一种纸币处理装置
JP5894064B2 (ja) 帳票表示システム、帳票表示装置、及び帳票表示方法
JP6111924B2 (ja) 取引装置及び取引方法
CN107705421B (zh) 一种金融rfid自动统计钱箱的***和方法
CN101256698A (zh) 自动交易装置
CN206147826U (zh) 纸币处理装置
CN111292464A (zh) 一种现金机具金标在线评测***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220105

Address after: 225000 room 506, building 28, Zhihuai new village, No. 6, Yanfu East Road, Guangling District, Yangzhou City, Jiangsu Province

Patentee after: Shi Yifei

Address before: 528100 Beijiang Pearl, No. 1 Xihe Road, Sanshui District, Foshan City, Guangdong Province, 13 1404

Patentee before: Wang Meijin

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210723

CF01 Termination of patent right due to non-payment of annual fee