基于神經(jīng)網(wǎng)絡(luò)的硬幣識別與分揀系統(tǒng)

(齊齊哈爾大學(xué) 計(jì)算機(jī)與控制工程學(xué)院，黑龍江 齊齊哈爾 161006)

硬幣以其使用方便、耐磨損、流通壽命長等優(yōu)點(diǎn)成為人們在日常生活中常用貨幣[1]。硬幣的流通問題主要集中為假幣泛濫和人工清點(diǎn)效率低?，F(xiàn)階段對硬幣幣值的識別，主要有直徑識別法[2]、質(zhì)量識別法[3]、基于圖像識別法[4]。前兩種方法原理簡單，但識別速度慢且準(zhǔn)確率低；圖像識別方法速度快，準(zhǔn)確率高，但需要收集大量不同旋轉(zhuǎn)角度的圖像樣本[5]。因此，設(shè)計(jì)高速、準(zhǔn)確的硬幣識別與分揀系統(tǒng)對硬幣流通與分揀有著重要的意義[6]。

本系統(tǒng)是在硬幣分揀過程中采集硬幣圖像，將其進(jìn)行灰度變換后，完成濾波、降噪；根據(jù)胡氏不變矩原理計(jì)算圖像的7個幾何不變矩，提取硬幣特征；并利用神經(jīng)網(wǎng)絡(luò)算法對硬幣面值進(jìn)行識別；驅(qū)動動作機(jī)構(gòu)，實(shí)現(xiàn)準(zhǔn)確硬幣分揀。

1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)應(yīng)用嵌入式技術(shù)完成硬件設(shè)計(jì)，以S3C6410芯片作為中央處理器，處理硬幣識別算法和控制顯示界面；以STC89C51芯片作為協(xié)處理器，控制系統(tǒng)的執(zhí)行模塊。同時配備NAND Flash模塊、DDR SDRAM模塊、電源模塊、時鐘和復(fù)位模塊、串口模塊、網(wǎng)絡(luò)通信模塊[7]、觸摸顯示模塊、位置檢測模塊、硬幣傳輸模塊、硬幣分揀模塊、電渦流傳感器模塊和圖像采集模塊。硬幣識別與分揀系統(tǒng)總體結(jié)構(gòu)框圖如圖1所示。

2 硬幣識別

硬幣識別包含硬幣真?zhèn)巫R別及面值識別，硬幣經(jīng)傳送帶傳輸，經(jīng)過電渦流模塊，完成硬幣真?zhèn)巫R別；圖像采集后經(jīng)灰度處理及特征提取，實(shí)現(xiàn)面值識別。

圖1 硬幣識別與分揀系統(tǒng)結(jié)構(gòu)框圖

2.1 硬幣真?zhèn)巫R別

假幣在金屬材質(zhì)上與真幣有較大差異，該差異決定了磁導(dǎo)率μ和電導(dǎo)率σ的不同，而磁導(dǎo)率μ和電導(dǎo)率σ的不同又導(dǎo)致了導(dǎo)體線圈等效電感L的不同。因此，可以通過對線圈等效電感L的檢測完成對硬幣真?zhèn)蔚淖R別。其函數(shù)關(guān)系式為：

L=F2(σ,μ,f,d)

(1)

式中，d為導(dǎo)體線圈與待測金屬導(dǎo)體的間距；f為導(dǎo)體線圈中激勵電流頻率。設(shè)計(jì)電容三點(diǎn)式自激振蕩電路，其電路原理如圖2所示。

圖2 電容三點(diǎn)式振蕩電路

接通電源后，該電路將產(chǎn)生自激震蕩，根據(jù)電路知識，其自激震蕩頻率為

(2)

當(dāng)電容三點(diǎn)式振蕩電路中的兩個電容c3、c4取固定值時，其自激振蕩頻率f是電感L1的函數(shù)。

將電渦流導(dǎo)體線圈接入電容三點(diǎn)式振蕩電路中，通過對振蕩電路振蕩頻率和電渦流導(dǎo)體線圈電感的檢測，實(shí)現(xiàn)對硬幣真?zhèn)蔚臋z測識別。

2.2 面值識別

硬幣圖像的采集使用了像素為500萬的中星微ZC301攝像頭。其可達(dá)元件像素500萬、硬件JPEG壓縮方式、最大分辨率800×600 DIP、支持30 f/s最大幀頻。信號線與S3C6410的DNO和DFO兩個引腳連接。其電路原理圖如圖3所示。在采集到硬幣圖像的原始數(shù)據(jù)之后，提取硬幣圖像特征之前，必須對硬幣圖像做灰度變換及濾波，降低數(shù)據(jù)處理時間、提高數(shù)據(jù)處理精確度。

圖3 USB攝像頭與S3C6410的連接電路原理圖

2.2.1 圖像灰度變換

經(jīng)過加權(quán)平均值法將彩色圖像的三通道分量以不同的權(quán)值進(jìn)行加權(quán)平均?；叶茸儞Q后的灰度圖像的二維函數(shù)f(i,j)可表示為

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

(3)

彩色圖像由R、G、B分量構(gòu)成，分別對應(yīng)人類視覺的紅、綠、藍(lán)三基色波段，且由不同灰度級描述。以五角硬幣為例，按攝像頭獲取硬幣原始彩色圖像數(shù)據(jù)的大小和格式創(chuàng)建灰度圖像，依據(jù)式(3)計(jì)算彩色圖像各通道的加權(quán)平均值，并將結(jié)果創(chuàng)建為灰度圖像，五角硬幣的原始彩色圖像和灰度變換后的硬幣灰度圖像如圖4所示。

圖4 五角硬幣原始及變換后圖像

2.2.2 圖像濾波

利用中值濾波抑制噪聲，取序列：f=[f1,f2,…,fn]，取長度為奇數(shù)m的窗口，對序列f進(jìn)行中值濾波的運(yùn)算就是從f中依次取出m個數(shù)，將這m個數(shù)按數(shù)值的大小排列，取其中間的一個數(shù)作為濾波的輸出，其數(shù)學(xué)公式為

yi=med{fi-(m-1)/2,…,fi,…，fi+(m-1)/2}

(4)

式中，i為整數(shù)，m為奇數(shù)。對于二維中值濾波，用下式表示：

yi=med{fij}

(5)

式中，med{}為取中間值操作。

在灰度圖像數(shù)組的左上角取大小為3×3的窗口，設(shè)該窗口的核位于窗口中心，將窗口中的九個數(shù)據(jù)從大到小依次排列，取第5個數(shù)據(jù)并賦值給該窗口的核，依次向右滑動窗口，分別填充各窗口的核，當(dāng)?shù)竭_(dá)圖像數(shù)組的最右端后，向下滑動，依次類推，直至窗口覆蓋整個灰度圖像數(shù)組。

2.2.3 特征提取

選用圖像的Hu氏不變矩作為硬幣圖像的提取特征，該特征有7維，且在物體平移、放大或旋轉(zhuǎn)時保持不變，對于不同的圖像，其Hu氏不變矩具有巨大差異。圖像f(x,y)的(p+q)階原點(diǎn)矩mpq、中心矩μpq和歸一化的中心矩η分別定義為：

(6)

(7)

(8)

其中q,p=0,1,2,…。

圖像平移，x′=x+α,y′=y+β，中心距為

(9)

對于圖像的縮放，x′=λx,y′=λy，λ為縮放因子，f(λx,λy)的中心距和歸一化的中心距分別為

(10)

(11)

極性坐標(biāo)變換表示為

(12)

對于一階矩，μ01=μ10=0，歸一化中心矩始終不變。二階矩(p+q=2)，不變矩為

φ1=η20+η02

(13)

(14)

三階矩(p+q=3)，不變矩為

φ3=(η30-3η12)2+(η03-3η21)2

(15)

φ4=(η30+η12)2+(η03+η21)2

(16)

φ5=(η30-3η12)(η03+η12)[(η30+η12)2-

3(η03+η21)2]+(η03-3η21)(η03+η12)

[(η30+η12)2-3(η30+η12)2]

(17)

φ6=(η20-η02)[(η30+η12)2-(η03+η21)2]+

4η11(η30+η12)(η03+η21)

(18)

φ7=(3η12-η30)[(η30+η12)2-3(η03+η21)2]+

(η03-3η21)(η03+η21)[(η03+η12)2-3(η30+η12)2]

(19)

即φ1～φ7在平移、縮放及旋轉(zhuǎn)下均可保持不變。

2.2.4 面值識別

從硬幣的灰度圖像中提取出硬幣圖像特征，獲得7個Hu氏不變矩后，使用BP神經(jīng)網(wǎng)絡(luò)算法對硬幣進(jìn)行面值識別。我國目前流通有3套硬幣，每套3枚，分別為1角、5角和1元，3套共9枚，每枚硬幣又有反正兩面，因此BP神經(jīng)網(wǎng)絡(luò)的樣本空間為18。神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)來自于Hu氏不變矩，而Hu氏不變矩的長度為7，因此神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)選為7。精度控制為0.0001，最大循環(huán)次數(shù)為500000，學(xué)習(xí)效率一般在0～1之間，太小的話學(xué)習(xí)效率低，太大則容易震蕩，經(jīng)大量實(shí)驗(yàn)分析，當(dāng)精度設(shè)為0.3時，能較快地完成學(xué)習(xí)。隱層節(jié)點(diǎn)選為12，輸出層節(jié)點(diǎn)數(shù)選為3，輸出結(jié)果均在0～1之間。對神經(jīng)網(wǎng)絡(luò)的輸出做以下處理：當(dāng)輸出大于0.8時，取值1；當(dāng)輸出小于0.2時，取值0；否則重新識別。定義：1角硬幣理想輸出為0 0 1，5角硬幣理想輸出為0 1 0，1元硬幣理想輸出為1 0 0。 當(dāng)神經(jīng)網(wǎng)絡(luò)輸出處理結(jié)果不是以上3種組合時，判定為假幣。

以1元硬幣圖像樣本為例說明工作過程：首先對權(quán)值矩陣W、V賦隨機(jī)值，將樣本計(jì)數(shù)器p和訓(xùn)練次數(shù)計(jì)數(shù)器q置為1，誤差E置0。將1元硬幣Hu氏不變矩?cái)?shù)組輸入BP神經(jīng)網(wǎng)絡(luò)的輸入層。利用如下公式計(jì)算隱層和輸出層的輸出。

(20)

式中，j為首層第j個單元；i為中間層單元；k為后層單元；oj代表本層輸出；wij是前層到本層的權(quán)值。Hu氏矩隱層輸出為12個數(shù)據(jù)：0.00401，0.04107，0.02558，0.02060，0.02337，0.02429，0.85427，0.00783，0.02391，0.02973，0.00929，0.00199，輸出層輸出為4個數(shù)據(jù)：0.08638，0.10924，0.03506，0.03635。

利用如下公式計(jì)算隱層和輸出層的誤差信號。

(21)

Hu氏矩隱層誤差信號為12個數(shù)據(jù)：0.00004，0.01903，0.02581，0.04543，0.04934，0.04424，0.02315，0.00401，0.04107，0.02558，0.02060，0.02337；輸出層誤差信號為4個數(shù)據(jù)：0.85427，0.00783，0.02391，0.02973。而后由Δ?wij=-ηδjoi調(diào)整隱層權(quán)值矩陣和輸出層權(quán)值矩陣。其隱層權(quán)值調(diào)整量12個數(shù)據(jù)：0.14198，0.03382，0.08397，0.03680，0.02832，0.02499，0.02731，0.47225，0.06111，0.03708，0.02011，0.02012，輸出層權(quán)值調(diào)整量為4個數(shù)據(jù)：0.01288，0.00767，0.00583，0.00508。

檢查是否對所有樣本完成一次輪訓(xùn)，若p

3 硬幣分揀

硬幣分揀過程包括硬幣傳輸與分揀，由減速電機(jī)、電機(jī)控制芯片、軸承和傳送帶、步進(jìn)電機(jī)完成，電機(jī)控制芯片選擇的是IPS021L。IPS021L柵極為控制端，接ARM的輸出引腳，漏極直接接地，而源極接減速電機(jī)的負(fù)極，減速電機(jī)的正極直接接12 V電源。步進(jìn)電機(jī)選用的型號為42BYG250-40。驅(qū)動電路的核心為L298N芯片。共有兩個步進(jìn)電機(jī)，分別對應(yīng)兩個光電開關(guān)，當(dāng)硬幣到達(dá)時，被光電開關(guān)感知，系統(tǒng)根據(jù)硬幣識別的結(jié)果決定該步進(jìn)電機(jī)做相應(yīng)的動作。步進(jìn)電機(jī)與L298N的連接電路原理圖如圖5所示。

圖5 步進(jìn)電機(jī)與L298N的連接電路原理圖

系統(tǒng)開機(jī)后，若為新幣，則獲取需要學(xué)習(xí)的真幣頻率信息和圖像信息并記錄，經(jīng)預(yù)處理、特征提取，訓(xùn)練神經(jīng)網(wǎng)絡(luò)并記錄所得權(quán)值矩陣，完成處理硬幣圖像識別、分揀過程。為流通幣種，直接進(jìn)入分揀流程。硬幣分揀識別控制流程如圖6所示。

4 系統(tǒng)調(diào)試與實(shí)驗(yàn)

硬幣的真?zhèn)巫R別通過檢測電渦流傳感器模塊的輸出頻率完成，無硬幣通過電感線圈時，振蕩頻率為210 kHz，經(jīng)過多級濾波、放大之后輸出3 V方波；當(dāng)不同的硬幣經(jīng)過電感線圈時，振蕩電路輸出頻率發(fā)生不同變化。記錄不同硬幣的振蕩頻率如表1所示。

由實(shí)驗(yàn)數(shù)據(jù)可知，不同幣種有不同的輸出頻率。通過對電渦流模塊輸出頻率的檢測達(dá)到識別硬幣真?zhèn)蔚哪康摹?/p>

圖6 硬幣識別分揀流程

硬幣種類實(shí)驗(yàn)次數(shù)輸出頻率范圍/kHz1元(牡丹)20213.1～213.51元(菊花)20212.3～212.65角(國徽)20215.2～215.35角(水仙)20216.7～217.11角(菊花)20211.1～211.41角(國徽)20211.7～212.2游戲幣20221.5～221.9小鋁板20253.5～253.9

用Hu氏矩提取硬幣圖像的7個特征，實(shí)驗(yàn)時每種幣值的硬幣各取5幅不同旋轉(zhuǎn)角度的圖像，將每個硬幣圖像的Hu氏矩打印出來，為節(jié)省篇幅這里只取1元(牡丹)、5角(國徽)、1角(菊花)硬幣各兩組記錄。數(shù)據(jù)如表2所示。

表2 Hu氏不變矩驗(yàn)數(shù)據(jù)

相同硬幣的圖像具有相似的Hu矩，其相對應(yīng)的數(shù)據(jù)，只在百分位有區(qū)別，這些區(qū)別在硬幣面值識別時，可近似相等；而不同硬幣的圖像具有明顯不同的Hu矩。同類樣本具有相似的數(shù)據(jù)，不同類樣本之間存在明顯不同。

取200枚硬幣進(jìn)行實(shí)驗(yàn)，硬幣識別與分揀的實(shí)驗(yàn)結(jié)果如表3所示。數(shù)據(jù)表明，200枚硬幣實(shí)驗(yàn)結(jié)果中識別出錯的只有1枚，識別正確率達(dá)到了99.5%。在實(shí)驗(yàn)中，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的時間大約為41.2 s，一旦學(xué)習(xí)完成，硬幣識別的時間只需0.051 s，具有很快的識別速度。

表3 硬幣面值識別實(shí)驗(yàn)數(shù)據(jù)表

5 結(jié)束語

系統(tǒng)使用電渦流傳感器采集與硬幣金屬材質(zhì)相關(guān)的頻率特征，識別硬幣的真?zhèn)?；采集硬幣圖像信息，對圖像進(jìn)行灰度變換及濾波處理，利用Hu不變矩提取出了硬幣的7個特征，并將其作為BP神經(jīng)網(wǎng)絡(luò)的樣本輸入，完成硬幣面值識別。神經(jīng)網(wǎng)絡(luò)的引入，使系統(tǒng)具有學(xué)習(xí)能力，經(jīng)實(shí)驗(yàn)，本方法識別準(zhǔn)確率高，識別速度快，對硬幣識別與分揀系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)具有重要意義。為解決銀行等相關(guān)部門硬幣分揀、流通等提供有效解決方案。