CN107909707A - 一种硬币识别算法及*** - Google Patents
一种硬币识别算法及*** Download PDFInfo
- Publication number
- CN107909707A CN107909707A CN201711022520.2A CN201711022520A CN107909707A CN 107909707 A CN107909707 A CN 107909707A CN 201711022520 A CN201711022520 A CN 201711022520A CN 107909707 A CN107909707 A CN 107909707A
- Authority
- CN
- China
- Prior art keywords
- frequency
- coin
- low frequency
- intermediate frequency
- characteristic value
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/02—Testing electrical properties of the materials thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Coins (AREA)
Abstract
本发明公开了一种硬币识别算法及***,该方法包括以下步骤:采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;根据高频AD采样值,判断是否有硬币通过,若无硬币通过,则返回继续采样,反之,继续执行;当有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。本发明通过特征值比对来实现硬币识别,可以识别连币,识别精度高、速度快,工作效率高,可广泛应用于硬币识别行业中。
Description
技术领域
本发明涉及硬币鉴伪领域,特别是涉及一种硬币识别算法及***。
背景技术
目前已有多种硬币鉴伪装置,主要分两大类。一类光学检测,另一类为电涡流传感器。电涡流传感器由于其具有原理简单,体积小,容易实现,并能够对硬币本身材质进行检测等优点,因此被广泛应用。电涡流传感器的检测过程又可以分频率检测、相位检测和幅值检测,通过这些特征可以实现对硬币进行真假的判别和面值的识别。现有电涡流鉴伪传感器工作时必须保证硬币与硬币之间分隔有一定的距离,再依次通过传感器进行检测,无法对连币进行有效的鉴别,这让整个检测速度受到限制,而且鉴别过程出现连币时,需要重新进行检测,严重影响检测效率。
发明内容
为了解决上述的技术问题,本发明的目的是提供一种硬币识别算法及***。
本发明解决其技术问题所采用的技术方案是:
一种硬币识别算法,包括以下步骤:
采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行;
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
进一步,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对后,获得硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
进一步,所述预设的特征值数据库是通过以下方式建立的:
针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
进一步,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
进一步,所述分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值的步骤,其具体为:
根据以下公式,分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值:
其中,V1表示高频特征值,V2表示中频特征值,V3表示低频特征值,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值。
进一步,所述当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值的步骤,具体包括:
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样;
根据下式,对采样数据进行滤波处理后,获得低频、中频、高频AD采样值:
其中,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值,V_L表示低频实时采样值,V_M表示中频实时采样值,V_H依次表示高频实时采样值,Sample_L、Sample_M、Sample_H分别表示低、中、高三个波形深度为16的循环采样缓存区,i表示序号,取值为0~15的整数,A_L表示Sample_L的总和,A_M表示Sample_M的总和,A_H表示Sample_H的总和。
进一步,还包括以下步骤:
每次进行AD采样后,采用低频、中频、高频实时采样值更新循环采样缓存区的一个值。
本发明解决其技术问题所采用的另一技术方案是:
一种硬币识别***,包括存储介质和处理器,所述存储介质存储有至少一个指令,所述处理器用于加载所述至少一个指令,进而执行以下步骤:
采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行;
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
进一步,所述预设的特征值数据库是通过以下方式建立的:
针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
进一步,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
本发明方法、***的有益效果是:本发明通过对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值,进而计算获得低频、中频、高频特征值后,通过特征值比对来实现硬币识别,不仅可以识别连币,而且识别精度高、速度快,工作效率高。
附图说明
图1是本发明的硬币识别算法的具体实施例的流程图;
图2是本发明的硬币识别算法的具体实施例中单个硬币通过电涡流传感器时AD采样获得的曲线图;
图3是本发明的硬币识别算法的具体实施例中连币通过电涡流传感器时AD采样获得的曲线图;
图4是本发明的硬币识别***的具体实施例的电子框图。
具体实施方式
识别算法实施例
参照图1,本发明提供了一种硬币识别算法,包括以下步骤:
S1、采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
S2、根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行S3;
S3、当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
S4、分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
S5、将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
进一步作为优选的实施方式,所述步骤S4,具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对后,获得硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
进一步作为优选的实施方式,所述步骤S5中所述预设的特征值数据库是通过以下方式建立的:
S01、针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
S02、分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
S03、针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
S04、将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
S01~S04的过程为特征识别过程,通过S01~S04的识别过程,可以建立不同硬币的特征值范围,为后续的硬币识别提供基础。
例如,当识别获得某硬币的高频特征值的特征值范围为0-50,中频特征值的特征值范围为100-200,低频特征值的特征值范围为80-120,则在硬币的识别过程中,可以根据低频、中频、高频特征值是否落在这个范围来判断是否为对应硬币。
进一步作为优选的实施方式,所述步骤S5,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
图2中展示了当一硬币通过电涡流传感器时,低频、中频、高频三个AD采样通道采样获得的完整的低频曲线、中频曲线和高频曲线,其中竖线为特征值采样点,图2中时序为从左到右。图3中展示了当两个硬币连币经过电涡流传感器时,低频、中频、高频三个AD采样通道采样获得的完整的低频曲线、中频曲线和高频曲线,其中竖线为特征值采样点,图3中时序为从左到右。通过对大量的单枚硬币经过的波形和连币经过的波形分析后得出结论,发现波形曲线与硬币的材质有很大关系,即对同一材质的硬币,单个硬币通过时,高频、中频、低频波形特征曲线分别基本一致。连币通过时,只有高频曲特征线还能与单枚经过时保持一致,中频和低频曲线均出现不同程度的浮动,但浮动值与硬币材质有很大关系。即同一种硬币浮动值保持一致,不同的硬币有不同的浮动值。因此,本方法通过特征值比对来实现硬币识别,不仅可以识别连币,识别精度高、速度快,工作效率高。
步骤S1中,通过一直采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理获得高频AD采样值,当高频AD采样值有明显的下降,表示可能会有硬币经过电涡流传感器,步骤S2中,当判断高频AD采样值下降到一设定的阈值范围时,可以判断有硬币通过。通过该方式判断有硬币通过后,执行步骤S3,同时采用低频、中频、高频三个AD采样通道进行采样,获得低频、中频、高频AD采样值,再通过步骤S4计算获得对应的低频、中频、高频特征值后,可以与预设的特征值数据库进行比对,实现硬币识别。识别原理如下:根据高频特征值所处的数值范围获得硬币的大致分类,然后根据低频特征值和中频特征值所处的数值范围,比对获得硬币的具体的连币状态、真伪状态和面额,在识别获得面额后,还可以对硬币进行数量统计。
进一步作为优选的实施方式,所述步骤S4,其具体为:
根据以下公式,分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值:
其中,V1表示高频特征值,V2表示中频特征值,V3表示低频特征值,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值。
如上所示,同一种硬币的高频曲线中高频特征值V1都是基本一致的,即V1的波动值所处的范围一致,因此可以通过V1来判断硬币的大致分类,然后用V2和V3来进一步识别硬币。例如对于某种硬币,其单个硬币通过电涡流传感器时V2是60,连币时是90,因此,实际判断中,还需要结合连币状态来识别硬币。当根据高频曲线的变化趋势检测判断当前为连币状态,且V2的值为60时,则说明当前硬币不属于该种硬币。同理,当检测判断当前非连币状态但是V2的值为90时,也说明当前硬币不属于该种硬币。本实施例中,因为一直采用高频AD采样通道,对电涡流传感器进行采样,因此可以根据高频曲线的变化趋势来判断当前是否为连币状态。
进一步作为优选的实施方式,所述步骤S3,具体包括:
S31、当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样;
S32、根据下式,对采样数据进行滤波处理后,获得低频、中频、高频AD采样值:
其中,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值,V_L表示低频实时采样值,V_M表示中频实时采样值,V_H依次表示高频实时采样值,Sample_L、Sample_M、Sample_H分别表示低、中、高三个波形深度为16的循环采样缓存区,i表示序号,取值为0~15的整数,A_L表示Sample_L的总和,A_M表示Sample_M的总和,A_H表示Sample_H的总和。
A_L、A_M和A_H的具体情况如下:
进一步作为优选的实施方式,还包括以下步骤:
每次进行AD采样后,采用低频、中频、高频实时采样值更新循环采样缓存区的一个值。
对AD_L、AD_M和AD_H进行滤波的过程,是每次从Sample_L、Sample_M、Sample_H中选择一元素i进行求平均值,实现滤波,减低外部随机干扰信号的影响。
本步骤,在每次AD采样后,采用最新的实时采样值更新循环采样缓存区的一个值Sample_L[i]、Sample_M[i]、Sample_H[i],可以保证最后获得的低频、中频、高频AD采样值更贴近实际真实的值,提高采样精度。
本发明识别***实施例
参照图4,本发明还提供了一种硬币识别***,包括存储介质100和处理器200,所述存储介质100存储有至少一个指令,所述处理器200用于加载所述至少一个指令,进而执行以下步骤:
采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行;
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
进一步作为优选的实施方式,所述预设的特征值数据库是通过以下方式建立的:
针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
进一步作为优选的实施方式,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
本实施例的识别***,可执行本发明识别方法实施例所提供的硬币识别方法,可执行上述方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种硬币识别算法,其特征在于,包括以下步骤:
采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行;
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
2.根据权利要求1所述的一种硬币识别算法,其特征在于,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对后,获得硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
3.根据权利要求1所述的一种硬币识别算法,其特征在于,所述预设的特征值数据库是通过以下方式建立的:
针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
4.根据权利要求3所述的一种硬币识别算法,其特征在于,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
5.根据权利要求1所述的一种硬币识别算法,其特征在于,所述分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值的步骤,其具体为:
根据以下公式,分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mn>1</mn>
<mo>=</mo>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>H</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mn>2</mn>
<mo>=</mo>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>M</mi>
<mo>-</mo>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>H</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mn>3</mn>
<mo>=</mo>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>L</mi>
<mo>-</mo>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,V1表示高频特征值,V2表示中频特征值,V3表示低频特征值,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值。
6.根据权利要求1所述的一种硬币识别算法,其特征在于,所述当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值的步骤,具体包括:
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样;
根据下式,对采样数据进行滤波处理后,获得低频、中频、高频AD采样值:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>H</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>_</mo>
<mi>H</mi>
<mo>-</mo>
<mi>S</mi>
<mi>a</mi>
<mi>m</mi>
<mi>p</mi>
<mi>l</mi>
<mi>e</mi>
<mi>H</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mi>V</mi>
<mo>_</mo>
<mi>H</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>16</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>M</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>_</mo>
<mi>M</mi>
<mo>-</mo>
<mi>S</mi>
<mi>a</mi>
<mi>m</mi>
<mi>p</mi>
<mi>l</mi>
<mi>e</mi>
<mi>M</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mi>V</mi>
<mo>_</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>16</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mi>D</mi>
<mo>_</mo>
<mi>L</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>_</mo>
<mi>L</mi>
<mo>-</mo>
<mi>S</mi>
<mi>a</mi>
<mi>m</mi>
<mi>p</mi>
<mi>l</mi>
<mi>e</mi>
<mi>L</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mi>V</mi>
<mo>_</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>16</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,AD_L表示低频AD采样值,AD_M表示中频AD采样值,AD_H表示高频AD采样值,V_L表示低频实时采样值,V_M表示中频实时采样值,V_H依次表示高频实时采样值,Sample_L、Sample_M、Sample_H分别表示低、中、高三个波形深度为16的循环采样缓存区,i表示序号,取值为0~15的整数,A_L表示Sample_L的总和,A_M表示Sample_M的总和,A_H表示Sample_H的总和。
7.根据权利要求6所述的一种硬币识别算法,其特征在于,还包括以下步骤:
每次进行AD采样后,采用低频、中频、高频实时采样值更新循环采样缓存区的一个值。
8.一种硬币识别***,其特征在于,包括存储介质和处理器,所述存储介质存储有至少一个指令,所述处理器用于加载所述至少一个指令,进而执行以下步骤:
采用高频AD采样通道,对电涡流传感器进行实时AD采样和滤波处理;
根据高频AD采样值,判断是否有硬币通过,若判断无硬币通过,则返回继续采样,反之,继续执行;
当判断有硬币通过时,分别采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别。
9.根据权利要求8所述的一种硬币识别***,其特征在于,所述预设的特征值数据库是通过以下方式建立的:
针对每种分类的不同币值的硬币,在硬币经过电涡流传感器时,采用低频、中频、高频三个AD采样通道,对电涡流传感器进行实时AD采样和滤波处理后,获得低频、中频、高频AD采样值;
分别对低频、中频、高频AD采样值进行融合处理后,计算获得对应的低频、中频、高频特征值;
针对不同的硬币,重复执行多次上述步骤后,获得该硬币对应的低频、中频、高频特征值的特征值范围;
将多种分类的多种币值硬币的特征值范围建立预设的特征值数据库。
10.根据权利要求9所述的一种硬币识别***,其特征在于,所述将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,进行硬币识别的步骤,其具体为:
将获得的低频、中频、高频特征值与预设的特征值数据库进行比对,根据低频、中频、高频特征值所处的特征值范围,获得对应的硬币的分类情况,进而识别获得硬币的连币状态、真伪状态和面额,并对硬币进行数量统计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711022520.2A CN107909707A (zh) | 2017-10-27 | 2017-10-27 | 一种硬币识别算法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711022520.2A CN107909707A (zh) | 2017-10-27 | 2017-10-27 | 一种硬币识别算法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107909707A true CN107909707A (zh) | 2018-04-13 |
Family
ID=61842987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711022520.2A Pending CN107909707A (zh) | 2017-10-27 | 2017-10-27 | 一种硬币识别算法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107909707A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111282836A (zh) * | 2020-03-09 | 2020-06-16 | 南京中钞长城金融设备有限公司 | 一种风险控制装置及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1134001A (zh) * | 1995-01-27 | 1996-10-23 | 旭精工株式会社 | 硬币识别装置 |
CN1228858A (zh) * | 1996-06-28 | 1999-09-15 | 孔斯达股份有限公司 | 硬币区分装置和方法 |
CN1339144A (zh) * | 1999-10-22 | 2002-03-06 | 日本烟草产业株式会社 | 硬币识别装置 |
CN202758414U (zh) * | 2012-07-30 | 2013-02-27 | 白旭升 | 一种公交车智能投币机 |
JP2013101129A (ja) * | 2012-12-25 | 2013-05-23 | Hamamatsu Koden Kk | 渦電流センサ及び検出物判別回路 |
CN203849798U (zh) * | 2014-04-25 | 2014-09-24 | 北京华夏聚龙自动化股份公司 | 多模态电涡流传感器激励及检波电路 |
CN104700490A (zh) * | 2013-12-10 | 2015-06-10 | 北京华夏聚龙自动化股份公司 | 多模态电涡流传感器硬币信号采集装置 |
CN106600808A (zh) * | 2016-12-09 | 2017-04-26 | 深圳市倍量电子有限公司 | 硬币鉴别方法及其装置 |
-
2017
- 2017-10-27 CN CN201711022520.2A patent/CN107909707A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1134001A (zh) * | 1995-01-27 | 1996-10-23 | 旭精工株式会社 | 硬币识别装置 |
CN1228858A (zh) * | 1996-06-28 | 1999-09-15 | 孔斯达股份有限公司 | 硬币区分装置和方法 |
CN1339144A (zh) * | 1999-10-22 | 2002-03-06 | 日本烟草产业株式会社 | 硬币识别装置 |
CN202758414U (zh) * | 2012-07-30 | 2013-02-27 | 白旭升 | 一种公交车智能投币机 |
JP2013101129A (ja) * | 2012-12-25 | 2013-05-23 | Hamamatsu Koden Kk | 渦電流センサ及び検出物判別回路 |
CN104700490A (zh) * | 2013-12-10 | 2015-06-10 | 北京华夏聚龙自动化股份公司 | 多模态电涡流传感器硬币信号采集装置 |
CN203849798U (zh) * | 2014-04-25 | 2014-09-24 | 北京华夏聚龙自动化股份公司 | 多模态电涡流传感器激励及检波电路 |
CN106600808A (zh) * | 2016-12-09 | 2017-04-26 | 深圳市倍量电子有限公司 | 硬币鉴别方法及其装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111282836A (zh) * | 2020-03-09 | 2020-06-16 | 南京中钞长城金融设备有限公司 | 一种风险控制装置及方法 |
CN111282836B (zh) * | 2020-03-09 | 2022-05-13 | 南京中钞长城金融设备有限公司 | 一种风险控制装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104538041B (zh) | 异常声音检测方法及*** | |
CN101996405B (zh) | 一种快速的玻璃图像缺陷检测及分类方法及其装置 | |
CN107356515B (zh) | 一种荧光图像的荧光强度确定方法和*** | |
CN102680414B (zh) | 基于机器视觉的红提葡萄自动分级装置及其方法 | |
CN105824420A (zh) | 一种基于加速度传感器的手势识别方法 | |
CN105426858A (zh) | 一种基于视觉和振动信息融合的地面类型辨识方法 | |
CN103279735A (zh) | 一种金融票据识别模块中积灰检测方法及*** | |
CN107219924A (zh) | 一种基于惯性传感器的空中手势识别方法 | |
CN104077594A (zh) | 一种图像识别方法和装置 | |
CN102098531A (zh) | 一种检测摄像机被干扰的方法及装置 | |
CN110223522A (zh) | 一种基于三轴地磁传感器的车辆位置识别方法 | |
CN111967338A (zh) | 基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法和*** | |
CN104299417A (zh) | 基于波形检测的车辆识别方法 | |
CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
CN110956737B (zh) | 一种安全线识别方法和装置 | |
CN105447506B (zh) | 一种基于区间分布概率特征的手势识别方法 | |
CN105719266A (zh) | 基于纹理特征聚类的磁瓦表面缺陷检测方法 | |
CN104966349A (zh) | 一种基于atm平台的纸币新旧检测方法 | |
CN110889441A (zh) | 一种基于距离和点密度的变电设备数据异常识别方法 | |
CN112364768A (zh) | 一种基于空域特征和机器学习的分布式光纤入侵识别方法 | |
CN106408563B (zh) | 一种基于变异系数的雪花噪声检测方法 | |
CN109977885A (zh) | 一种基于多普勒特征的人车自动识别方法及装置 | |
Zhang et al. | Vehicle classification based on feature selection with anisotropic magnetoresistive sensor | |
CN114529226B (zh) | 基于工业物联网的地下水污染的监测方法与*** | |
CN107909707A (zh) | 一种硬币识别算法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |
|
RJ01 | Rejection of invention patent application after publication |