人民幣印刷質(zhì)量要求遠高于其他印刷品。在印鈔企業(yè)中,現(xiàn)有人民幣檢測系統(tǒng)是基于模板匹配技術(shù)對產(chǎn)品進行印刷缺陷檢測。實際生產(chǎn)環(huán)境中,現(xiàn)有系統(tǒng)存在一定的技術(shù)局限性,如針對特定缺陷檢測能力差（細道子,金屬線上的缺印與墨臟等）,誤檢率過高（誤檢數(shù)與實際廢品數(shù)的比例達到10:1）。本文所設(shè)計的基于卷積神經(jīng)網(wǎng)絡(luò)的印鈔圖像二次核查系統(tǒng)對現(xiàn)有檢測系統(tǒng)進行二次核查。首先,在特定缺陷類型訓(xùn)練樣本圖像不足的情況下,模擬出印刷缺陷,用以實現(xiàn)數(shù)據(jù)增強。實驗中,在HSV顏色空間中將已有檢測結(jié)果分為紅外光源圖像與白光光源圖像,隨后針對不同光源下產(chǎn)生的樣本圖像進行網(wǎng)絡(luò)模型的設(shè)計與訓(xùn)練。實驗結(jié)果表明,現(xiàn)有生產(chǎn)環(huán)境中的檢測弱項通過本文所設(shè)計的系統(tǒng)得到較好的解決。本文主要貢獻:利用卷積神經(jīng)網(wǎng)絡(luò)對人民幣圖像進行檢測在印鈔行業(yè)中首次提出,同時在行業(yè)中并無類似的檢測方法。本文創(chuàng)新之處有三點:1、針對特定類型的人民幣缺陷存在訓(xùn)練樣本不足的情況,借助opencv,通過隨機變量設(shè)定橢圓的長軸與短軸,模擬出缺印與墨臟的印刷缺陷;通過隨機變量設(shè)定垂直直線的長度與寬度模擬出“細道子”的印刷缺陷,以實現(xiàn)適用于人民幣檢測的數(shù)據(jù)增強方法。2、根據(jù)印鈔... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

文【1】中AlexNet網(wǎng)絡(luò)結(jié)構(gòu)圖

圖 2-2 人民幣 L 層圖像Fig.2-2 RMB Image in Llayer算法對各印刷工序（不同印刷工藝所印刷的圖文）刷工藝組成，不同印刷工藝之間的相對位置并不的套印允許有一定的偏差范圍。因此，需要選擇分的圖像進行不同的定位，隨后與相應(yīng)模板匹配配，得出殘點圖像。被檢測的圖像轉(zhuǎn)化為 LAB 色序的 LAB 圖像進行匹配。這一步是現(xiàn)有檢測系統(tǒng)也是現(xiàn)有檢測系統(tǒng)產(chǎn)生誤檢最為主要的原因。例示。在這種情況下誤檢率極高。

圖 2-2 人民幣 L 層圖像Fig.2-2 RMB Image in Llayer定位與匹配1.運用定位算法對各印刷工序（不同印刷工藝所印刷的圖文）進行定位，刷由不同印刷工藝組成，不同印刷工藝之間的相對位置并不固定，換言刷工藝之間的套印允許有一定的偏差范圍。因此，需要選擇不同的定位印刷工藝部分的圖像進行不同的定位，隨后與相應(yīng)模板匹配計算。2.與模板匹配，得出殘點圖像。被檢測的圖像轉(zhuǎn)化為 LAB 色彩空間后，各個印刷工序的 LAB 圖像進行匹配。這一步是現(xiàn)有檢測系統(tǒng)中對檢測結(jié)大的方面，也是現(xiàn)有檢測系統(tǒng)產(chǎn)生誤檢最為主要的原因。例如紙張邊角如圖 2-3 所示。在這種情況下誤檢率極高。

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測研究綜述[J]. 李旭冬,葉茂,李濤.  計算機應(yīng)用研究. 2017(10)
[3]一種基于圖像識別的第五版人民幣成色檢測方法[J]. 江艷飛,李欣,董靜薇.  哈爾濱理工大學(xué)學(xué)報. 2008(03)



本文編號：3599362