專利名稱：紙券類的真假判斷方法及紙券類的投入方向判別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及紙幣、有價證券等紙券類的真假判斷方法、紙券類的投入方向判別方法及紙券類的特征量波形的偏移幅度計算方法。
背景技術(shù)：
作為紙幣的真假判斷方法有特開昭60-215293號公報公開的方法。該方法是將紙幣分成多個區(qū)域。在作為檢查對象的紙幣的每個區(qū)域，用磁傳感器獲得檢測數(shù)據(jù)。對各區(qū)域算出各區(qū)域的檢測數(shù)據(jù)對全部區(qū)域的檢測數(shù)據(jù)的總和之比。將對每個區(qū)域算出的比與對每個區(qū)域預(yù)先求得的基準(zhǔn)值進(jìn)行比較。如果在任何一個區(qū)域中兩者之差都不在預(yù)定的允許范圍內(nèi)，即可斷定該紙幣是假幣在全部區(qū)域中兩者之差都在預(yù)定的允許范圍內(nèi)的情況下，算出對各區(qū)域算出的比和對應(yīng)的區(qū)域的基準(zhǔn)值之差的總和。然后，如果所算出的總和在預(yù)定的允許值以上，則該紙幣便被斷定為假幣。如果所算出的總和比預(yù)定的允許值小，則該紙幣便被斷定為真幣。
在上述現(xiàn)有的技術(shù)中，由于將各區(qū)域的檢測數(shù)據(jù)對全部區(qū)域的檢測數(shù)據(jù)的總和之比與對每個區(qū)域預(yù)先求得的基準(zhǔn)值進(jìn)行比較，所以在紙幣被同樣弄臟等情況下，很難受該污濁的影響。可是，通常紙幣各部分的污濁情況并不一樣，在上述現(xiàn)有例中往往由于紙幣的污濁、皺紋等造成誤判斷。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種不受紙券類的污濁、皺紋等的影響，能高精度地判斷紙券類的真假的紙券類的真假判斷方法。
另外，本發(fā)明的目的在于提供一種能高精度地判斷紙券類的投入方向的紙券類的投入方向判斷方法。
另外，本發(fā)明的目的在于提供一種能準(zhǔn)確地計算紙券類的特征量波形相對于基準(zhǔn)波形的傳輸方向的偏移幅度的紙券類的特征量波形的偏移幅度計算方法。
本發(fā)明的第一種紙券類的真假判斷方法的特征在于包括以下步驟對作為檢查對象的紙券類進(jìn)行第一真假判斷處理的步驟；在第一真假判斷處理中，只有當(dāng)作為檢查對象的紙券類被斷定不是假券時，才對作為檢查對象的紙券類進(jìn)行第二真假判斷處理的步驟；以及在第二真假判斷處理中，只有當(dāng)作為檢查對象的紙券類被斷定不是假券時，才斷定作為檢查對象的紙券類是真券的步驟，第一真假判斷處理包括以下三個步驟根據(jù)從作為檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對上述多個位置預(yù)先求得的基準(zhǔn)數(shù)據(jù)，取出紙券類的每個特征量的不規(guī)則成分的第一步驟；根據(jù)所取出的每個特征量的不規(guī)則成分和預(yù)定的污濁成分的預(yù)定模型，推測作為上述檢查對象的紙券類上的上述多個位置中的每個位置的污濁成分的第二步驟；以及根據(jù)所推測的污濁成分和所取出的不規(guī)則成分，判斷作為檢查對象的紙券類的真假的第三步驟，第二真假判斷處理包括以下兩個步驟根據(jù)從作為上述檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對上述多個位置預(yù)先求得的第二基準(zhǔn)數(shù)據(jù)中適當(dāng)?shù)剡M(jìn)行預(yù)先判斷選擇的多個計算對象位置的特征量及第二基準(zhǔn)數(shù)據(jù)，算出特征量和第二基準(zhǔn)數(shù)據(jù)的匹配度的第四步驟；以及根據(jù)算出的匹配度，判斷作為檢查對象的紙券類的真假的第五步驟。
上述第一步驟中用的基準(zhǔn)數(shù)據(jù)例如根據(jù)從多個真券紙券類上的多個位置讀取的紙券類的特征量生成。另外，上述第二步驟中用的污濁成分的預(yù)測模型例如根據(jù)從多個真券紙券類上的多個位置讀取的紙券類的特征量和上述基準(zhǔn)數(shù)據(jù)生成。
上述第三步驟包括例如根據(jù)所推測的污濁成分和所取出的不規(guī)則成分，算出與預(yù)測誤差相關(guān)的值的步驟；以及當(dāng)與所算出的預(yù)測誤差相關(guān)的值比預(yù)定的規(guī)定值大時，便斷定作為檢查對象的紙券類是假券，當(dāng)與所算出的預(yù)測誤差相關(guān)的值在預(yù)定的規(guī)定值以下時，便斷定作為檢查對象的紙券類不是假券的步驟。
上述第四步驟中用的多個運(yùn)算對象位置例如通過按照遺傳算法進(jìn)行的最佳化處理求得。
本發(fā)明的第二種紙券類的真假判斷方法的特征在于包括以下步驟根據(jù)從作為檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對上述多個位置預(yù)先求得的基準(zhǔn)數(shù)據(jù)，取出紙券類的每個特征量的不規(guī)則成分的第一步驟；根據(jù)所取出的每個特征量的不規(guī)則成分和預(yù)定的污濁成分的預(yù)定模型，推測作為上述檢查對象的紙券類上的上述多個位置中的每個位置的污濁成分的第二步驟；以及根據(jù)所推測的污濁成分和所取出的不規(guī)則成分，判斷作為檢查對象的紙券類的真假的第三步驟，上述第一步驟中用的基準(zhǔn)數(shù)據(jù)例如根據(jù)從多個真券紙券類上的多個位置讀取的紙券類的特征量生成。另外，上述第二步驟中用的污濁成分的預(yù)測模型例如根據(jù)從多個真券紙券類上的多個位置讀取的紙券類的特征量和上述基準(zhǔn)數(shù)據(jù)生成。
上述第三步驟包括例如根據(jù)所推測的污濁成分和所取出的不規(guī)則成分，算出與預(yù)測誤差相關(guān)的值的步驟；以及當(dāng)與所算出的預(yù)測誤差相關(guān)的值比預(yù)定的規(guī)定值大時，便斷定作為檢查對象的紙券類是假券，當(dāng)與所算出的預(yù)測誤差相關(guān)的值在預(yù)定的規(guī)定值以下時，便斷定作為檢查對象的紙券類不是假券的步驟。
作為上述污濁成分的預(yù)測模型例如采用從多個真券紙券類上的多個位置讀取的紙券類的特征量和對應(yīng)于上述基準(zhǔn)數(shù)據(jù)的位置的數(shù)據(jù)的差分?jǐn)?shù)據(jù)，或是采用根據(jù)按照時間序列排列的數(shù)據(jù)組求得的自行回歸模型。
本發(fā)明的第三種紙券類的真假判斷方法的特征在于包括以下步驟根據(jù)從作為檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對上述多個位置預(yù)先求得的第二基準(zhǔn)數(shù)據(jù)中適當(dāng)?shù)剡M(jìn)行預(yù)先判斷選擇的多個計算對象位置的特征量及第二基準(zhǔn)數(shù)據(jù)，算出特征量和第二基準(zhǔn)數(shù)據(jù)的匹配度的步驟；以及根據(jù)算出的匹配度，判斷作為檢查對象的紙券類的真假的步驟。
上述多個運(yùn)算對象位置例如能通過按照遺傳算法進(jìn)行的最佳化處理求得。
按照遺傳算法進(jìn)行的最佳化處理包括以下步驟例如將預(yù)定的多個特征量讀取位置分別作為遺傳子具有，取得表示是否將各遺傳子的讀取位置作為某個運(yùn)算對象的值，生成由取得該值的第一規(guī)定數(shù)的個體構(gòu)成的初始集團(tuán)的第一步驟；根據(jù)預(yù)先準(zhǔn)備的多個真券紙幣類及多個假券紙幣類的分析用數(shù)據(jù)，對每個個體算出真券和假券的判別精度的評價值，只選擇第二規(guī)定數(shù)的評價值高的個體的第二步驟；從所選擇的個體組選擇任意的個體對，通過增加規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成的新的個體集團(tuán)的第三步驟；將作為運(yùn)算對象的遺傳子的數(shù)目超過預(yù)定的限制數(shù)的個體廢除的第四步驟；通過反復(fù)進(jìn)行規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成、而且在所有的個體中作為運(yùn)算對象的遺傳子的數(shù)在規(guī)定的限制數(shù)以下的個體集團(tuán)的第五步驟；以及將第二步驟～第五步驟的處理反復(fù)進(jìn)行規(guī)定次數(shù)的第六步驟。
上述遺傳的操作是例如交替處理及突然變異處理。
本發(fā)明的紙券類的投入方向判別方法的特征在于包括以下步驟從被投入檢查裝置的作為檢查對象的紙券類的多個位置讀取紙券類的特征量的第一步驟；以及通過對讀取的特征量和按每個投入方向預(yù)先生成的各投入方向不同的基準(zhǔn)數(shù)據(jù)進(jìn)行比較，判別上述紙券類的投入方向的第二步驟。
作為上述第二步驟采用例如包括以下步驟的步驟對每個投入方向不同的基準(zhǔn)數(shù)據(jù)分別求出從上述紙券類的多個位置讀取的各特征量和對應(yīng)于投入方向不同的基準(zhǔn)數(shù)據(jù)的位置的數(shù)據(jù)之差的二次方的總和的步驟；以及將與所得到的值中的最小值對應(yīng)的基準(zhǔn)數(shù)據(jù)的方向判別為上述紙券類的投入方向的步驟。
作為上述第二步驟采用例如包括以下步驟的步驟求出用從作為檢查對象的紙券類的各讀取位置讀取的特征量表示的位置的特征量和與投入方向不同的基準(zhǔn)數(shù)據(jù)對應(yīng)的位置的數(shù)據(jù)之差，修正紙券類的各讀取位置的特征量，以便使這些差的平均值為零的步驟；對每個投入方向不同的基準(zhǔn)數(shù)據(jù)分別求出對上述紙券類的多個位置修正后的特征量和對應(yīng)于投入方向不同的基準(zhǔn)數(shù)據(jù)的位置的數(shù)據(jù)之差的二次方的總和的步驟；以及將與所得到的值中的最小值對應(yīng)的基準(zhǔn)數(shù)據(jù)的方向判別為上述紙券類的投入方向的步驟。
作為上述第二步驟采用例如包括以下步驟的步驟通過按照遺傳算法進(jìn)行的最佳化處理，從預(yù)定的多個特征量讀取位置中探索投入方向判斷結(jié)果的準(zhǔn)確率達(dá)到規(guī)定值以上的最小限度的特征量讀取位置的步驟；以及根據(jù)只從探索到的特征量讀取位置獲得的特征量和對每個被檢查對象的投入方向預(yù)先生成的投入方向不同的基準(zhǔn)數(shù)據(jù)，判斷被檢查對象的投入方向的步驟。
上述按照遺傳算法進(jìn)行的最佳化處理包括以下步驟例如將預(yù)定的多個特征量讀取位置分別作為遺傳子具有，取得表示各遺傳子是否作為投入方向判斷用的特征量讀取位置的某個對象的值，生成由取得該值的第一規(guī)定數(shù)的個體構(gòu)成的初始集團(tuán)的第一步驟；從初始集團(tuán)只選擇第二規(guī)定數(shù)的成為投入方向判斷用的特征量讀取位置的對象的遺傳子數(shù)少的個體的第二步驟；從所選擇的個體組選擇任意的個體對，通過增加規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成的新的個體集團(tuán)的第三步驟；對新的個體集團(tuán)的各個個體算出從預(yù)先準(zhǔn)備的多個分析用數(shù)據(jù)獲得的多個限制條件檢查用各數(shù)據(jù)的投入方向判斷結(jié)果的準(zhǔn)確率，將準(zhǔn)確率比規(guī)定值低的個體廢除的第四步驟；通過反復(fù)進(jìn)行規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成、而且所有的個體的準(zhǔn)確率都達(dá)到規(guī)定值以上的個體集團(tuán)的第五步驟；以及將第二步驟～第五步驟的處理反復(fù)進(jìn)行規(guī)定次數(shù)的第六步驟。
上述遺傳的操作是例如交替處理及突然變異處理。
本發(fā)明的紙券類的特征量波形的偏移幅度計算方法的特征在于包括以下步驟從作為檢查對象的紙券類的輸送方向上的多個位置讀取紙券類的特征量，生成表示位于上述紙券類的輸送方向上位置的特征量的輸入波形的第一步驟；在預(yù)定的最小偏移幅度和最大偏移幅度之間設(shè)定多個輸入波形在輸送方向上相對于基準(zhǔn)波形的偏移幅度，對所設(shè)定的各個偏移幅度作成使輸入波形在輸送方向上偏移的多個偏移幅度計算用波形的第二步驟；在輸送方向上的各個位置中預(yù)先規(guī)定的多個運(yùn)算對象位置，對每個作成的各偏移幅度計算用波形算出與偏移幅度計算用波形和預(yù)先作成的基準(zhǔn)波形的差分的總和對應(yīng)的值的第三步驟；以及將相對于與所算出的差分的總和對應(yīng)的值為最小的偏移幅度計算用波形的偏移幅度確定為上述輸入波形在輸送方向上相對于上述基準(zhǔn)波形的偏移幅度的第四步驟。
作為上述與差分的總和對應(yīng)的值，采用差分的絕對值的總和或差分的二次方的總和。
上述第三步驟中用的多個運(yùn)算對象位置例如可以如下求得。即，在預(yù)定的最小偏移幅度和最大偏移幅度之間設(shè)定多個輸入波形在輸送方向上相對于基準(zhǔn)波形的偏移幅度。用所設(shè)定的各個偏移幅度作成使上述基準(zhǔn)波形在輸送方向上偏移的多個運(yùn)算對象位置計算用波形。在輸送方向上的各個位置，對所作成的各運(yùn)算對象位置計算用波形算出與上述基準(zhǔn)波形的差分的絕對值。在輸送方向上的每個位置，從對該位置算出的差分的絕對值中取出最小值。按照所取出的最小值從大到小的順序，選擇全部位置中規(guī)定數(shù)的位置。


圖1是表示讀取紙幣的特征量用的傳感器的配置情況的平面圖。
圖2是從圖1中的箭頭方向看到的側(cè)視圖。
圖3是表示紙幣的真假判斷方法的全部程序的流程圖。
圖4是表示紙幣投入方向判別處理的程序的流程圖。
圖5是表示紙幣投入方向判別處理的程序的示意圖。
圖6是說明修正輸入波形的方法用的曲線圖。
圖7是表示另一紙幣投入方向判別處理的程序的流程圖。
圖8是表示個體的示意圖。
圖9是表示按照GA進(jìn)行的運(yùn)算點的最佳化處理程序的流程圖。
圖10是說明通過將隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中，生成限制條件檢查用數(shù)據(jù)用的曲線圖。
圖11是表示按照GA進(jìn)行了最佳化的運(yùn)算點數(shù)的平均值和投入方向判斷正確率的平均值的曲線圖。
圖12是表示輸送偏移修正處理的程序的流程圖。
圖13是說明圖12中的步驟52的處理方法用的波形圖。
圖14是說明圖12中的步驟54的處理方法用的波形圖。
圖15是表示求在圖12所示的步驟53中采用的運(yùn)算點的方法的流程圖。
圖16是表示污濁成分的預(yù)測模型的生成處理程序的流程圖。
圖17是表示根據(jù)抽樣紙幣獲得的輸入波形的波形圖。
圖18是表示基準(zhǔn)波形的波形圖。
圖19是由每個抽樣紙幣生成的表示污濁、皺紋等的變化成分的分布的波形圖。
圖20是表示學(xué)習(xí)數(shù)據(jù)的波形圖。
圖21是表示第一精判斷處理的程序的流程圖。
圖22是表示進(jìn)行了輸送偏移修正處理后的輸入波形的波形圖。
圖23是表示不則成分的分布的波形圖。
圖24是表示檢查對象紙幣的污濁成分的預(yù)測分布的波形圖。
圖25是表示代替自行回歸模型用的神經(jīng)元網(wǎng)絡(luò)例的示意圖。
圖26是表示第二精判斷處理的程序的流程圖。
圖27是表示第一掩碼的示意圖。
圖28是表示第二掩碼的示意圖。
圖29是表示某一個體的各分析用紙幣數(shù)據(jù)和基準(zhǔn)波形之差的二次方的總和、以及該個體的各真券的分析用紙幣數(shù)據(jù)和基準(zhǔn)波形之差的二次方總和的分布曲線圖。
圖30是表示按照GA進(jìn)行的最佳化處理程序的流程圖。
具體實施例方式
以下，參照

將本發(fā)明應(yīng)用于紙幣的真假判斷方法時的實施形態(tài)。
關(guān)于讀取紙幣的特征量的傳感器的說明圖1及圖2表示讀取紙幣的特征量用的傳感器。
紙幣1被投入圖中未示出的檢查裝置后，被沿著箭頭方向輸送。作為讀取紙幣1的特征量用的傳感器，設(shè)有兩個光投射裝置10a、20a及兩個光接收裝置10b、20b。
光投射裝置10a備有對紙幣1的表面上且在線路L1上的多個特征量讀取位置照射波長λ為840nm的紅外光用的發(fā)光二極管11a；以及對上述各特征量讀取位置照射655nm的紅色光用的發(fā)光二極管12a。光接收裝置10b備有接收從發(fā)光二極管11a射出且通過紙幣1的紅外光用的光電傳感器11b；以及接收從發(fā)光二極管12a射出且通過紙幣1的紅色光用的光電傳感器12b。
交替地驅(qū)動發(fā)光二極管11a及發(fā)光二極管12a，在紙幣1的線路L1上的各特征量讀取位置獲得兩個光電傳感器11b、12b的輸出。
光投射裝置20a備有對紙幣1的表面上且在線路L2上的多個特征量讀取位置照射波長λ為840nm的紅外光用的發(fā)光二極管21a；以及對上述各特征量讀取位置照射655nm的紅色光用的發(fā)光二極管22a。光接收裝置20b備有接收從發(fā)光二極管21a射出且通過紙幣1的紅外光用的光電傳感器21b；以及接收從發(fā)光二極管22a射出且通過紙幣1的紅色光用的光電傳感器22b。
交替地驅(qū)動發(fā)光二極管21a及發(fā)光二極管22a，在紙幣1的線路L2上的各特征量讀取位置獲得兩個光電傳感器21b、22b的輸出。另外，線路L1和線路L2離開通過紙幣1的橫向中心的線路L0的距離相等。
紙幣的真假判斷方法的全部程序的說明圖3表示紙幣的真假判斷方法的全部程序。
首先，各光電傳感器11b、12b、21b、22b的輸出被圖中未示出的A/D變換器變換成數(shù)字信號后被取入(步驟1)。
其次，根據(jù)各光電傳感器11b、12b、21b、22b的檢測值，進(jìn)行粗判斷處理(步驟2)。在通過粗判斷處理而被斷定為假券的情況下(步驟3中為是)，該結(jié)果為最后的判斷結(jié)果(步驟4)，本次的真假判斷處理結(jié)束。
在紙幣通過粗判斷處理而未被斷定為假券的情況下(步驟3中為否)，根據(jù)接收紅外光的光電傳感器11b或21b的檢測值，進(jìn)行紙幣投入方向判別處理(步驟5)。就是說，紙幣的投入方向在紙幣的正面朝上時有兩個方向，紙幣的背面朝上時有兩個方向，共計有4個方向。在紙幣投入方向判別處理中，判斷紙幣的投入方向是4個方向中的哪一種方向。
在紙幣的投入方向的判別結(jié)果不是預(yù)定的基準(zhǔn)投入方向的情況下，根據(jù)各光電傳感器11b、12b、21b、22b的檢測值獲得的輸入波形(表示紙幣的長度方向上的位置的檢測值的波形)被變換成假定沿預(yù)定的基準(zhǔn)投入方向投入紙幣時獲得的波形(步驟6)。其結(jié)果，獲得該紙幣沿基準(zhǔn)投入方向投入時相對于線路L1的兩種輸入波形及相對于線路L2的兩種輸入波形。
在該紙幣沿基準(zhǔn)投入方向投入時相對于線路L1的兩種輸入波形中，有以紅外光為依據(jù)的輸入波形，以及以紅色光為依據(jù)的輸入波形。在該紙幣沿基準(zhǔn)投入方向投入時相對于線路L2的兩種輸入波形中，有以紅外光為依據(jù)的輸入波形，以及以紅色光為依據(jù)的輸入波形。
另外，在紙幣的投入方向的判別結(jié)果是預(yù)定的基準(zhǔn)投入方向的情況下，不進(jìn)行步驟6的數(shù)據(jù)變換處理。
此后，進(jìn)行與以紙幣的投入方向為基準(zhǔn)投入方向時對應(yīng)的4種輸入波形的紙幣輸送方向的偏移用的修正處理(輸送偏移修正處理)(步驟7)。
其次，在進(jìn)行過輸送偏移修正處理后的4種輸入波形中，根據(jù)以對應(yīng)于線路L1的紅外光為依據(jù)的輸入波形和以對應(yīng)于線路L2的紅外光為依據(jù)的輸入波形，進(jìn)行第一精判斷處理(步驟8)。
在第一精判斷處理中，分別根據(jù)這些輸入波形，進(jìn)行同樣的判斷處理。然后，至少在以一方的輸入波形為依據(jù)的判斷處理中斷定該紙幣是假券的情況下(步驟9中為是)，其結(jié)果為最后的判斷結(jié)果(步驟4)，本次的真假判斷處理結(jié)束。
在通過第一精判斷處理不能斷定該紙幣是假券的情況下，就是說，在根據(jù)以上述兩種紅外光為依據(jù)的輸入波形進(jìn)行的判斷處理中，都不能斷定該紙幣是假券的情況下(步驟9中為否)，在進(jìn)行過輸送偏移修正處理后的4種輸入波形中，根據(jù)以對應(yīng)于線路L1的紅色光為依據(jù)的輸入波形和以對應(yīng)于線路L2的紅色光為依據(jù)的輸入波形，進(jìn)行第二精判斷處理(步驟10)。
在第二精判斷處理中，分別根據(jù)這些輸入波形，進(jìn)行同樣的判斷處理。然后，至少在以一方的輸入波形為依據(jù)的判斷處理中斷定該紙幣是假券的情況下(步驟11中為是)，其結(jié)果為最后的判斷結(jié)果(步驟4)，本次的真假判斷處理結(jié)束。
在通過第二精判斷處理不能斷定該紙幣是假券的情況下，就是說，在根據(jù)以上述兩種紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理中，都不能斷定該紙幣是假券的情況下(步驟11中為否)，便斷定該紙幣是真券(步驟12)，本次的真假判斷處理結(jié)束。
粗判斷處理的說明根據(jù)紙幣1的線路L1上預(yù)先規(guī)定的多個特征量讀取位置的光電傳感器11b、12b的檢測值及紙幣1的線路L2上預(yù)先規(guī)定的多個特征量讀取位置的光電傳感器21b、22b的檢測值，進(jìn)行粗判斷處理。
由于在各特征量讀取位置進(jìn)行的判斷處理相同，所以說明在紙幣1的線路L1上的一個特征量讀取位置進(jìn)行的判斷處理。
假設(shè)在紙幣1的線路L1上的一個特征量讀取位置由光電傳感器11b及12b獲得的檢測值分別為V11、V12。
首先，算出兩者之比V11/V12及兩者之差(V11-V12)。然后，在兩者之比V11/V12是在預(yù)定的第一規(guī)定范圍內(nèi)、而且兩者之差(V11-V12)是在預(yù)定的第二規(guī)定范圍內(nèi)的情況下，斷定該紙幣是真券。在兩者之比V11/V12不在預(yù)定的第一規(guī)定范圍內(nèi)、而且兩者之差(V11-V12)不在預(yù)定的第二規(guī)定范圍內(nèi)的情況下，斷定該紙幣是假券。
在全部特征量讀取位置的判斷處理中斷定該紙幣是真券的情況下，在圖3的步驟3中變?yōu)榉?，轉(zhuǎn)移到紙幣投入方向判斷處理。至少在一個特征量讀取位置的判斷處理中斷定該紙幣是假券的情況下，在圖3的步驟3中變?yōu)槭?，該判斷結(jié)果就是最后的判斷結(jié)果。
紙幣投入方向判斷處理的說明圖4表示圖3中的步驟5的紙幣投入方向判別處理的詳細(xì)程序。另外，圖5示意地表示投入方向判別處理的程序。
根據(jù)以接收紅外光的光電傳感器11b或21b的檢測值為依據(jù)獲得的輸入波形進(jìn)行投入方向判別處理。這里，假設(shè)是根據(jù)以光電傳感器11b為依據(jù)獲得的輸入波形進(jìn)行的投入方向判別處理。就是說，如圖5中的曲線a所示，輸入波形表示光透過量(檢測值)相對于紙幣1的線路L1上的位置的關(guān)系。
光透過量相對于紙幣1的線路L1上的位置的關(guān)系隨紙幣的投入方向的不同而異。預(yù)先用真券(實物)紙幣求出各種投入方向(方向A、方向B、方向C及方向D)上光透過量相對于紙幣1的線路L1上的位置的關(guān)系(以下稱投入方向不同的基準(zhǔn)波形)。圖5中示出了相對于方向A的投入方向不同的基準(zhǔn)波形Ab和相對于方向D的投入方向不同的基準(zhǔn)波形Db。
對每個方向不同的基準(zhǔn)波形算出方向不同的基準(zhǔn)波形和輸入波形a之差的二次方的總和(步驟21)。就是說，將各特征量讀取位置的方向不同的基準(zhǔn)波形和輸入波形之差設(shè)為di(i＝1、2、3...m)，方向不同的基準(zhǔn)波形和輸入波形之差的二次方的總和D可用下式(1)表示。
D=Σi=1mdi2---(1)]]>然后，將差的二次方的總和D為最小的方向作為紙幣投入方向(步驟22)。
可是，市面上流通的紙幣通常由于附著了手垢等污濁，所以全部檢測值都呈下降趨勢。
因此，首先將輸入波形至少與一個投入方向不同的基準(zhǔn)波形進(jìn)行比較，對輸入波形進(jìn)行電平調(diào)整，最好用電平調(diào)整后的輸入波形進(jìn)行上述步驟21的處理。
如圖6所示，該電平調(diào)整這樣進(jìn)行，即，使原來的輸入波形a平行移動，且使輸入波形a的電平與投入方向不同的基準(zhǔn)波形b的電平一致。在圖6中用a1表示平行移動后的輸入波形。更具體地說，使原來的輸入波形a平行移動，以便使移動后的輸入波形a1和投入方向不同的基準(zhǔn)波形b在各讀取位置的差的平均值為0。
另外，算出差的二次方的總和用的成為運(yùn)算對象的讀取位置(運(yùn)算對象點)也可以不是線路L1上的全部讀取位置。就是說，也可以將從線路L1上的全部讀取位置中選擇的多個讀取位置作為運(yùn)算對象點，算出差的二次方的總和。
另外，例如預(yù)先準(zhǔn)備好一萬元券、5千元券及千元券這三種幣種的每一種的4個方向的投入方向不同的基準(zhǔn)波形，在上述的步驟21中，分別算出這些共計12種的投入方向不同的基準(zhǔn)波形和輸入波形的差的二次方的總和，也可以將差的二次方的總和為最小的幣種及投入方向判別為該紙幣的幣種及投入方向。這樣處理，不僅能判別投入方向，還能判別幣種。
圖7表示紙幣投入方向判別處理的另一例。
也可以根據(jù)以光電傳感器11b為依據(jù)獲得的輸入波形進(jìn)行該紙幣投入方向判別處理。另外，預(yù)先用真券紙幣求出各種投入方向上光透過量相對于紙幣1的線路L1上的位置的關(guān)系(以下稱投入方向不同的基準(zhǔn)波形)。
首先，將預(yù)先探索到的多個特征量讀取位置作為運(yùn)算對象點，對每個投入方向不同的基準(zhǔn)波形算出與方向不同的基準(zhǔn)波形和輸入波形的差分分散值對應(yīng)的值(步驟31)。就是說，將作為運(yùn)算對象點預(yù)先探索到的每個讀取位置的方向不同的基準(zhǔn)波形和輸入波形的差設(shè)為di(i＝1、2、3...n)，將這些差di的平均值設(shè)為*d，與方向不同的基準(zhǔn)波形和輸入波形的差分分散值對應(yīng)的值σ可用下式(2)表示。
σ=Σi=1n(di-*d)2---(2)]]>然后，將與差分分散值對應(yīng)的值σ為最小的方向作為紙幣投入方向(步驟32)。
在紙幣投入方向的判斷中使用與差分分散值對應(yīng)的值σ的理由如下。即，市面上流通的紙幣帶有污濁，全部檢測值有下降的趨勢。因此，使輸入波形平行移動、以使輸入波形和投入方向不同的基準(zhǔn)波形的誤差的平均值變?yōu)?之后，最好算出輸入波形和投入方向不同的基準(zhǔn)波形的差分的二次方的和。與差分分散值對應(yīng)的值σ就是根據(jù)這種想法算出的。
下面說明成為運(yùn)算點的讀取位置的探索方法。
成為運(yùn)算點的讀取位置的探索通過按照遺傳算法(以下稱GA)進(jìn)行的最佳化處理進(jìn)行。
個體300如圖8所示加以表現(xiàn)。圖8中的曲線a表示輸入波形，曲線b表示投入方向不同的基準(zhǔn)波形。個體300具有與各讀取位置對應(yīng)的遺傳子，各遺傳子取“0”或“1”的值。這里，“0”表示不將與該遺傳子對應(yīng)的讀取位置的檢測值作為運(yùn)算對象點，“1”表示將與該遺傳子對應(yīng)的讀取位置的檢測值作為運(yùn)算對象點。
另外，根據(jù)用下式(3)表示的評價函數(shù)，進(jìn)行個體的評價。就是說，評價函數(shù)成為其值為“1”的遺傳子的數(shù)。
評價函數(shù)＝成為運(yùn)算對象點的讀取位置的數(shù) ......(3)圖9表示按照GA進(jìn)行的最佳化處理程序。
首先，作成初始集團(tuán)(步驟41)。就是說，用隨機(jī)數(shù)作成預(yù)先設(shè)定的數(shù)的個體。但是，只采用與預(yù)先準(zhǔn)備的全部分析用紙幣數(shù)據(jù)對應(yīng)的投入方向判斷準(zhǔn)確率(％)為100％的個體。
在該例中，對40張紙幣準(zhǔn)備4個投入方向的輸入波形，作為分析用紙幣數(shù)據(jù)。然后，用全部分析用紙幣數(shù)據(jù)對由隨機(jī)數(shù)作成的個體進(jìn)行紙幣投入方向的判斷。然后，算出該個體的投入方向判斷準(zhǔn)確率(％)。投入方向判斷準(zhǔn)確率不是100％的個體不被作為初始集團(tuán)采用。這樣處理后，生成投入方向判斷準(zhǔn)確率為100％的20個個體。
其次，進(jìn)行淘汰處理(步驟42)。就是說，用評價函數(shù)算出各個個體的評價值，選擇評價值小的高位一半個體，將其它個體廢棄。因此選擇了10個個體。
其次，從在步驟42選擇的個體中任意選擇兩個個體，在所選擇的個體之間進(jìn)行交替(步驟43)。通過進(jìn)行10次這樣的交替，生成20個新的個體集團(tuán)。作為交替例如采用同樣的交替。
此后，選擇一個個體，使其發(fā)生突然變異(步驟44)。就是說，使所選擇的個體的任意的遺傳子的值反轉(zhuǎn)。
其次，將隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中，生成限制條件檢查用數(shù)據(jù)(步驟45)。在該例中，對40張紙幣準(zhǔn)備了4個投入方向的輸入波形，作為分析用紙幣數(shù)據(jù)。然后，將隨機(jī)數(shù)附加在各分析用紙幣數(shù)據(jù)中，生成限制條件檢查用數(shù)據(jù)。
就是說，如圖10所示，對分析用紙幣數(shù)據(jù)c的各特征量讀取位置的檢測值發(fā)生規(guī)定范圍內(nèi)的隨機(jī)數(shù)δ，通過將所發(fā)生的隨機(jī)數(shù)δ加在該檢測值上，生成限制條件檢查用數(shù)據(jù)d。
此后，用在步驟45中生成的限制條件檢查用數(shù)據(jù)，對通過上述步驟43、44的處理獲得的20個個體分別進(jìn)行是否滿足限制條件的檢查(步驟46)。就是說，用全部限制條件檢查用數(shù)據(jù)對每個個體進(jìn)行紙幣投入方向的判斷。然后，對每個個體算出投入方向判斷準(zhǔn)確率(％)。將投入方向判斷準(zhǔn)確率不為100％的個體廢棄。
在投入方向判斷準(zhǔn)確率不為100％的個體即使存在一個的情況下(步驟47中為否)，返回步驟43，從剩余的個體通過交替生成與被廢棄的個體數(shù)相當(dāng)數(shù)的個體。然后，進(jìn)行步驟44～47的處理。
通過反復(fù)進(jìn)行步驟44～47的處理，如果全部個體的投入方向判斷準(zhǔn)確率變?yōu)?00％(步驟47中為是)，判斷是否進(jìn)行了預(yù)定的次數(shù)例如1000次的世代交替(步驟48)。在未進(jìn)行預(yù)定的世代數(shù)的世代交替的情況下，返回步驟42，再次進(jìn)行步驟42以后的處理。
在步驟48中，在斷定已進(jìn)行了預(yù)定的世代數(shù)的世代交替的情況下，結(jié)束處理。然后，從剩余的個體選擇一個個體，所選擇的個體的遺傳子中與值“1”對應(yīng)的特征量讀取位置被確定為運(yùn)算對象點。
下面說明實驗結(jié)果。用40張×4方向的分析用紙幣數(shù)據(jù)，使20種初始集團(tuán)進(jìn)行到1000世代。然后，用與分析用紙幣數(shù)據(jù)不同的1000張×4方向的評價用紙幣數(shù)據(jù)，對每100世代算出了投入方向判斷準(zhǔn)確率。
圖11示出了采用GA進(jìn)行了最佳化的運(yùn)算對象點數(shù)的平均值和投入方向判斷準(zhǔn)確率的平均值。
圖11中的曲線e表示象上述實施形態(tài)那樣，將上限為4個隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中，生成限制條件檢查用數(shù)據(jù)時的實驗結(jié)果。圖11中的曲線f表示在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中未附加隨機(jī)數(shù)，而將預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)仍作為限制條件檢查用數(shù)據(jù)使用時的實驗結(jié)果。
越是用未將隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中的GA進(jìn)行世代交替，投入方向判斷準(zhǔn)確率越下降。這可以認(rèn)為探索到了與分析用紙幣數(shù)據(jù)相關(guān)的通用性低的解的結(jié)果。與此相反，用上述實施形態(tài)中所述的方法即使進(jìn)行世代交替，也顯示出了較高的投入方向判斷準(zhǔn)確率。這可以認(rèn)為探索到了通用性高的解的結(jié)果。另外，為了獲得通用性高的解，可以考慮增加分析用紙幣數(shù)據(jù)的數(shù)量，但如果增加分析用紙幣數(shù)據(jù)的數(shù)量，就會使探索時間延長。
另外，表1示出了使用8位的微機(jī)，用上述實施形態(tài)中獲得的5點的運(yùn)算對象點進(jìn)行投入方向判斷處理時，以及用連續(xù)的100點的運(yùn)算對象點進(jìn)行投入方向判斷處理時兩者的處理時間的比較結(jié)果。從該表可知，用上述實施形態(tài)中所述的方法進(jìn)行投入方向判斷處理時，與不減少累計對象的情況相比，能大幅度地減少運(yùn)算時間。
表1

在上述實施形態(tài)中，為了提高投入方向判斷準(zhǔn)確度，將隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中，生成限制條件檢查用數(shù)據(jù)，但也可以不將隨機(jī)數(shù)附加在預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)中，而將預(yù)先準(zhǔn)備的分析用紙幣數(shù)據(jù)直接用作限制條件檢查用數(shù)據(jù)。
另外，在上述實施形態(tài)中，將與被確定為累計對象的特征量讀取位置的檢查值和預(yù)先準(zhǔn)備的4個投入方向的投入方向基準(zhǔn)信號的差分分散值對應(yīng)的值為最小的方向斷定為投入方向，但也可以將被確定為累計對象的特征量讀取位置的檢查值和預(yù)先準(zhǔn)備的4個投入方向的投入方向基準(zhǔn)信號之差的二次方的總和、差的絕對值之和等的統(tǒng)計量為最小的方向斷定為投入方向。
輸送偏移修正處理的說明圖12表示圖3中的步驟7的輸送偏移修正處理的詳細(xì)程序。
輸送偏移修正處理根據(jù)對該紙幣沿基準(zhǔn)投入方向投入時對應(yīng)的4種輸入波形進(jìn)行。
首先，設(shè)定偏移幅度K(步驟51)。偏移幅度K被設(shè)定為在輸送方向產(chǎn)生的最小偏移幅度至最大偏移幅度之間的值。最初被設(shè)定為最小偏移幅度。
在輸送方向生成只使輸入波形錯開設(shè)定的偏移幅度K的波形(偏移幅度計算用波形)(步驟52)。就是說，如圖13所示，在輸送方向生成只使輸入波形a錯開偏移幅度K的波形c。
其次，根據(jù)獲得的波形c，如后文所述進(jìn)行處理，抽出預(yù)先選擇的多個位置(運(yùn)算對象位置)的數(shù)據(jù)(步驟53)。然后，如圖14所示，算出被抽出的各位置的數(shù)據(jù)和與預(yù)先準(zhǔn)備的基準(zhǔn)波形b對應(yīng)的位置的數(shù)據(jù)之差的絕對值的總和(以下稱絕對值和)(步驟54)。
如果此次算出的絕對值和小于到此為止算出的絕對值和的最小值，便將該絕對值和作為絕對值和的最小值存儲起來，同時存儲偏移幅度K的值(步驟55)。輸送偏移修正處理開始后，最初算出絕對值和后，將該算得的值作為絕對值和的最小值存儲起來。
其次，判斷所設(shè)定的偏移幅度K是否是最大值(步驟56)。在所設(shè)定的偏移幅度K不是最大值Kmax的情況下，偏移幅度K被更新為大出規(guī)定值ΔK的大的值之后(步驟57)，返回步驟52。這樣處理后反復(fù)進(jìn)行步驟52～57的處理，在對最大的偏移幅度K進(jìn)行步驟52～55的處理后，在步驟56變?yōu)槭牵D(zhuǎn)移到步驟58。在步驟58中，使該輸入波形錯開在步驟55中最后存儲的偏移幅度K。于是，輸入波形相對于基準(zhǔn)波形在紙幣輸送方向上的偏移被修正。
在上述步驟54中，算出被抽出的各位置的數(shù)據(jù)值和預(yù)先準(zhǔn)備的基準(zhǔn)波形b對應(yīng)的數(shù)據(jù)值之差的絕對值和，但也可以算出被抽出的各位置的數(shù)據(jù)值和預(yù)先準(zhǔn)備的基準(zhǔn)波形b對應(yīng)的數(shù)據(jù)值之差的二次方的總和(以下稱差分二次方和)。在此情況下，在上述步驟55中，如果差分二次方和小于到此為止算出的差分二次方和的最小值，便將該差分二次方和作為差分二次方和的最小值存儲起來，同時存儲偏移幅度K的值。
圖15示出了在步驟53中求應(yīng)抽出數(shù)據(jù)的位置(運(yùn)算對象位置)的方法。
首先，設(shè)定偏移幅度K(步驟61)。偏移幅度K被設(shè)定為在輸送方向產(chǎn)生的最小偏移幅度至最大偏移幅度之間的值。最初被設(shè)定為最小偏移幅度。
在輸送方向生成使以無污濁和破損的真券紙幣為依據(jù)作成的基準(zhǔn)波形錯開設(shè)定的偏移幅度K的波形(步驟62)。其次，算出并存儲所獲得的波形和基準(zhǔn)波形在各位置的差的絕對值(步驟63)。
其次，判斷所設(shè)定的偏移幅度K是否是最大值Kmax(步驟64)。在所設(shè)定的偏移幅度K不是最大值的情況下，偏移幅度K被更新為大出規(guī)定值ΔK的大的值之后(步驟65)，返回步驟62。這樣處理后反復(fù)進(jìn)行步驟62～65的處理，在對最大的偏移幅度K進(jìn)行步驟62～63的處理后，在步驟64變?yōu)槭牵D(zhuǎn)移到步驟66。
在步驟66中，求出到此為止求出的差(絕對值)中的最小值，作為各位置的最小值存儲起來。然后，從最小值大者開始，按照順序從各位置中選擇規(guī)定數(shù)的位置(步驟67)。所選擇的位置在圖12中的步驟53中被作為應(yīng)抽出數(shù)據(jù)的位置用。
第一精判斷處理的說明根據(jù)進(jìn)行過輸送偏移修正處理后的4種輸入波形中相對于線路L1的以紅外光為依據(jù)的輸入波形和相對于線路L2的以紅外光為依據(jù)的輸入波形，進(jìn)行第一精判斷處理。
由于按照相對于線路L1的以紅外光為依據(jù)的輸入波形進(jìn)行的判斷處理和按照相對于線路L2的以紅外光為依據(jù)的輸入波形進(jìn)行的判斷處理是同樣的處理，所以只說明根據(jù)相對于線路L1的以紅外光為依據(jù)的輸入波形進(jìn)行的第一精判斷處理。
首先說明第一精判斷處理的考慮方法。紙幣上的污濁在紙幣的各部分不一樣。因此，預(yù)先生成真券紙幣沿基準(zhǔn)方向投入后由假定情況下的線路L1上的各部分的污濁、皺紋等引起的變化成分的預(yù)測模型(以下簡稱污濁成分的預(yù)測模型)。
根據(jù)進(jìn)行過輸送偏移修正處理后的相對于線路L1的以紅外光為依據(jù)的輸入波形，取出檢查對象紙幣在線路L1上的不規(guī)則成分。
根據(jù)從檢查對象紙幣求得的線路L1上的不規(guī)則成分和線路L1上的污濁成分的預(yù)測模型，預(yù)測檢查對象紙幣在線路L1上的污濁成分。將從檢查對象紙幣求得的線路L1上的不規(guī)則成分的分布和檢查對象紙幣在線路L1上的污濁成分的預(yù)測分布進(jìn)行比較，求出與預(yù)測誤差有關(guān)的值。然后，如果求得的與預(yù)測誤差有關(guān)的值超過了規(guī)定范圍，則斷定該紙幣是假券。
圖16示出了污濁成分的預(yù)測模型的生成處理程序。說明紙幣沿基準(zhǔn)方向投入后生成假定情況下的與線路L1對應(yīng)的污濁成分的預(yù)測模型的情況。
首先，如圖17所示，分別對多張實際使用的真券紙幣(以下稱樣品紙幣)作成表示紅外光相對于線路L1上的各位置的透過量的關(guān)系的輸入波形(步驟71)。
根據(jù)各樣品紙幣的輸入波形，作成圖18所示的一個基準(zhǔn)波形(步驟72)。例如通過算出各樣品紙幣的輸入波形的對應(yīng)位置的平均值，求得該基準(zhǔn)波形的各位置的數(shù)據(jù)。
其次，如圖19所示，通過對各樣品紙幣的輸入波形算出與基準(zhǔn)波形的差，對每張樣品紙幣生成污濁、皺紋等的變化成分的分布(步驟73)。
其次，通過將每張樣品紙幣的變化成分的分布按時間序列排列，生成圖20所示的學(xué)習(xí)數(shù)據(jù)(步驟74)。
其次，根據(jù)學(xué)習(xí)數(shù)據(jù)生成與線路L1對應(yīng)的污濁成分的預(yù)測模型(步驟75)。
就是說，首先將學(xué)習(xí)數(shù)據(jù)看成周期性的時間序列信號，生成下式(4)所示的自行回歸模型(污濁成分的預(yù)測模型)。
X(n)＝a1·X(n-1)+a2·X(n-2)+...+ap·X(n-p)......(4)在上述式(4)中，X(n)表示現(xiàn)在時刻的污濁，X(n-1)～X(n-p)表示過去時刻的污濁。另外，預(yù)測系數(shù)a1～ap例如由最小二乘法決定，以便使預(yù)測精度最高。
另外，按同樣的方法生成紙幣對應(yīng)于線路L2的污濁成分的預(yù)測模型。
圖21表示第一精判斷處理程序。
下面說明根據(jù)進(jìn)行過輸送偏移修正處理后的相對于線路L1的以紅外光為依據(jù)的輸入波形進(jìn)行的第一精判斷處理。
首先，通過算出圖22所示的進(jìn)行過輸送偏移修正處理后的相對于線路L1的以紅外光為依據(jù)的輸入波形和圖18所示的基準(zhǔn)波形的差，生成圖23所示的不規(guī)則成分的分布(步驟81)。
根據(jù)從檢查對象紙幣求得的線路L1上的不規(guī)則成分和線路L1污濁的預(yù)測模型，預(yù)測檢查對象紙幣的線路L1上的污濁成分(步驟82)。就是說，通過將不規(guī)則成分的數(shù)據(jù)中的X(n-1)、X(n-2)、...X(n-p)代入上式(4)，獲得檢查對象紙幣的線路L1上某時刻(某位置)的污濁成分X(n)。于是，如圖24所示，獲得檢查對象紙幣的線路L1上的污濁成分的預(yù)測分布。
對從檢查對象紙幣求得的線路L1上的不規(guī)則成分的分布和檢查對象紙幣的線路L1上的污濁成分的預(yù)測分布進(jìn)行比較，求出預(yù)測誤差的二次方的總和(與預(yù)測誤差有關(guān)的值)(步驟83)。就是說，求得線路L1上的不規(guī)則成分的分布和檢查對象紙幣的污濁成分的預(yù)測分布的各部分的差的二次方的總和。然后，通過比較所求得的與預(yù)測誤差有關(guān)的值和預(yù)定的規(guī)定范圍，進(jìn)行真假判斷(步驟84)。如果所求得的與預(yù)測誤差有關(guān)的值超過了規(guī)定范圍，則斷定該紙幣是假券。
也可以使用圖25所示的由神經(jīng)元網(wǎng)絡(luò)產(chǎn)生的預(yù)測模型代替自回歸模型。眾所周知，神經(jīng)元網(wǎng)絡(luò)由輸入層201、中間層202及輸出層203構(gòu)成。
根據(jù)在上述步驟74獲得的學(xué)習(xí)數(shù)據(jù)進(jìn)行該神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)。就是說，將過去時刻的數(shù)據(jù)X(n-1)、X(n-2)、...X(n-p)作為輸入圖形，將現(xiàn)在時刻的數(shù)據(jù)X(n)作為教師數(shù)據(jù)，進(jìn)行神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)。
然后，通過將在上述步驟81生成的不規(guī)則成分的分布中的某現(xiàn)在時刻n的過去時刻的數(shù)據(jù)X(n-1)、X(n-2)、...X(n-p)輸入學(xué)習(xí)后的神經(jīng)元網(wǎng)絡(luò)，從神經(jīng)元網(wǎng)絡(luò)輸出現(xiàn)在時刻n的數(shù)據(jù)X(n)。
也可以用重新回歸模型作為紙幣的污濁成分的預(yù)測模型。
在使用重新回歸模型作為紙幣的污濁成分的預(yù)測模型的情況下，紙幣上的某位置的污濁Z例如可用下式(5)表示。
Z＝a1·Y1+a2·Y2+a3·Y3+a4·Y4......(5)在上式(5)中，Y1是表示成為對象的數(shù)據(jù)的位置的變化量，Y2是表示透過量數(shù)據(jù)的離散的變化量，Y3是表示油墨濃度的變化量，Y4是表示紙的劣化度的變化量。另外，a1、a2、a3、a4是加權(quán)系數(shù)，可以根據(jù)從多個真券紙幣(樣品紙幣)獲得的變化量Y1、Y2、Y3、Y4，預(yù)先求得。
然后，通過將從檢查對象紙幣獲得的變化量Y1、Y2、Y3、Y4代入式(5)，算出檢查對象紙幣上的各位置的污濁X。
這時，例如能從與取入紙幣時的輸送電機(jī)連接的編碼器獲得表示數(shù)據(jù)的位置的變化量Y1。
作為表示數(shù)據(jù)的離散的變化量Y2，可以使用例如從檢查對象紙幣獲得的透過量的輸入波形和從多個樣品紙幣獲得的一個透過量的基準(zhǔn)波形(例如圖18所示的基準(zhǔn)波形)之差的分散值disp。設(shè)各位置的輸入波形和基準(zhǔn)波形之差為di(i＝1、2、3...n)，這些差di的平均值為*d，則該分散值disp可由下式(6)求得。
disp=Σi=1n(di-*d)2n-1---(6)]]>另外，作為表示油墨的濃度的變化量Y3，可以使用例如檢查對象紙幣的油墨的濃度的檢測波形和從多個樣品紙幣求得的油墨的濃度的基準(zhǔn)波形之差的分散值ink。就是說，如果分散值ink大，黑白之差就大，斷定油墨濃。如果分散值ink小，黑白之差就小，斷定油墨淡。設(shè)各位置的油墨濃度的檢測值和油墨濃度的基準(zhǔn)值之差為ei(i＝1、2、3...n)，這些差ei的平均值為*e，則該分散值ink可由下式(7)求得。
ink=Σi=1n(ei-*e)2n-1---(7)]]>另外，作為表示紙的劣化度的變化量Y4，可以使用例如檢查對象紙幣的白地部分的透過率的檢測值和從多個樣品紙幣求得的白地部分的透過率的基準(zhǔn)值之差的平均值*f。設(shè)檢查對象紙幣的白地部分的各位置的透過率為Qi，真券紙幣的白地部分的各位置的透過率的基準(zhǔn)值為Si(i＝1、2、3...n)，則該平均值*f可由下式(8)求得。
*f=Σi=1n(Qi-Si)2n-1---(8)]]>另外，也可以用由神經(jīng)元網(wǎng)絡(luò)產(chǎn)生的預(yù)測模型代替上述重新回歸模型。就是說，將從多個樣品紙幣獲得的各位置的變化量Y1、Y2、Y3、Y4作為輸入圖形，將從多個樣品紙幣獲得的各位置的污濁作為教師數(shù)據(jù)，進(jìn)行神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)。
然后，通過將從檢查對象紙幣獲得的各位置的變化量Y1、Y2、Y3、Y4輸入學(xué)習(xí)后的神經(jīng)元網(wǎng)絡(luò)，從神經(jīng)元網(wǎng)絡(luò)輸出各位置的污濁Z。
第二精判斷處理的說明根據(jù)進(jìn)行過輸送偏移修正處理后的4種輸入波形中相對于線路L1的以紅色光為依據(jù)的輸入波形和相對于線路L2的以紅色光為依據(jù)的輸入波形，進(jìn)行第二精判斷處理。而且，只有在用相對于線路L1的以紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理和用相對于線路L2的以紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理這兩者中，都將檢查對象紙幣斷定為真券的情況下，才能斷定該檢查對象紙幣是真券。就是說，圖3的步驟11中變?yōu)榉瘛?br> 由于按照相對于線路L1的以紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理和按照相對于線路L2的以紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理是同樣的處理，所以只說明根據(jù)相對于線路L1的以紅色光為依據(jù)的輸入波形進(jìn)行的判斷處理。
圖26表示圖3中的步驟10的第二精判斷處理的詳細(xì)程序。
對多個真券紙幣(樣品紙幣)用紅色光生成相對于線路L1的輸入波形，根據(jù)這些輸入波形預(yù)先生成一個基準(zhǔn)波形。另外，利用后文所述的方法，預(yù)先準(zhǔn)備表示成為線路L1上的運(yùn)算對象的特征量讀取位置的掩碼。在該例中，如圖27及圖28所示，假定準(zhǔn)備了兩種掩碼101、102。在圖27及圖28中，掩碼101、102的各格對應(yīng)于線路L1上的各特征量讀取位置。而且記有“1”的格表示該位置是運(yùn)算對象點，記有“0”的格表示該位置不是運(yùn)算對象點。
進(jìn)行使用第一掩碼101的匹配處理(步驟91)。就是說，對用第一掩碼101表示的成為運(yùn)算對象的每個特征量讀取位置，求出相對于線路L1的以紅色光為依據(jù)的輸入波形和相對于線路L1的基準(zhǔn)波形之差，算出這些差的二次方的總和(以下稱差分二次方和)。
然后，判斷所獲得的差分二次方和是否在預(yù)定的規(guī)定值以下(步驟92)。在獲得的差分二次方和比預(yù)定的規(guī)定值大的情況下(步驟92中為是)，該檢查對象紙幣被斷定為假券(步驟95)。因此，這時圖3中的步驟11變?yōu)槭恰?br> 在所獲得的差分二次方和在預(yù)定的規(guī)定值以下的情況下(步驟92中為否)，進(jìn)行使用第二掩碼102的匹配處理(步驟93)。就是說，對用第二掩碼102表示的成為運(yùn)算對象的每個特征量讀取位置，求出相對于線路L1的以紅色光為依據(jù)的輸入波形和相對于線路L1的基準(zhǔn)波形之差，算出這些差的二次方的總和(以下稱差分二次方和)。
然后，判斷所獲得的差分二次方和是否在預(yù)定的規(guī)定值以下(步驟94)。在獲得的差分二次方和比預(yù)定的規(guī)定值大的情況下(步驟94中為是)，該檢查對象紙幣被斷定為假券(步驟95)。因此，這時圖3中的步驟11變?yōu)槭恰?br> 在所獲得的差分二次方和在預(yù)定的規(guī)定值以下的情況下(步驟94中為否)，該檢查對象紙幣被斷定為真券(步驟96)。
說明掩碼的生成方法。通過用遺傳算法(以下稱GA)進(jìn)行的最佳化處理，進(jìn)行掩碼的生成。
如在紙幣的投入方向判別處理中所述，如圖8所示表示個體。個體具有與各特征量讀取位置對應(yīng)的遺傳子，各遺傳子取“0”或“1”的值。這里，“0”表示不將與該遺傳子對應(yīng)的讀取位置的檢測值作為運(yùn)算對象點，“1”表示將與該遺傳子對應(yīng)的讀取位置的檢測值作為運(yùn)算對象點。
在該例中，準(zhǔn)備多張真券紙幣的輸入波形作為真券的分析用紙幣數(shù)據(jù)，準(zhǔn)備多張假券紙幣的輸入波形作為假券的分析用紙幣數(shù)據(jù)。
圖29表示某個個體的各分析用紙幣數(shù)據(jù)和基準(zhǔn)波形之差的二次方的總和(差分二次方和)、以及該個體的各真券的分析用紙幣數(shù)據(jù)和基準(zhǔn)波形之差的二次方總和的分布曲線S。
通過對各分析用紙幣數(shù)據(jù)進(jìn)行如下的運(yùn)算，作成某一個體的各分析用紙幣數(shù)據(jù)和基準(zhǔn)波形的差分二次方和。就是說，對用某個個體表示的每個運(yùn)算對象點，求出分析用紙幣數(shù)據(jù)和基準(zhǔn)波形之差，求得這些差的二次方的總和。
在圖29中，方形掩碼表示各真券的分析用紙幣數(shù)據(jù)的差分二次方和，三角形掩碼表示各假券的分析用紙幣數(shù)據(jù)的差分二次方和。
根據(jù)用下式(9)表示的距離尺寸R，進(jìn)行個體的評價。
R=Fmin-μσ---(9)]]>在式(9)中，R是距離尺寸。Fmin表示各假券的分析用紙幣數(shù)據(jù)的差分二次方和中的最小值。μ表示真券的分析用紙幣數(shù)據(jù)的差分二次方和的分布的平均值。另外，σ表示真券的分析用紙幣數(shù)據(jù)的差分二次方和的分布的標(biāo)準(zhǔn)偏差。
圖30表示按照GA進(jìn)行的最佳化處理程序。
首先，作成初始集團(tuán)(步驟101)。就是說，利用隨機(jī)數(shù)作成預(yù)先設(shè)定的數(shù)的個體。但是，使所作成的各個個體的運(yùn)算對象點的數(shù)在10個點以內(nèi)。然后，用全部分析用紙幣數(shù)據(jù)，對利用隨機(jī)數(shù)作成的個體算出距離尺寸R。然后，從距離尺寸R大的開始，依次生成20個個體。
其次，進(jìn)行淘汰處理(步驟102)。就是說，算出各個個體的距離尺寸R，選擇距離尺寸R大的高位的一半個體，而將其它個體廢棄。從而選擇出10個個體。
其次，從在步驟102選擇的個體中任意選擇兩個個體，可在所選擇的個體之間進(jìn)行交替(步驟103)。通過進(jìn)行10次這樣的交替，生成20個新的個體集團(tuán)。作為交替，例如可以采用同樣的交替方法。
此后，選擇一個個體，使其發(fā)生突然變異(步驟104)。就是說，使所選擇的個體的任意的遺傳子的值反轉(zhuǎn)。
其次，對通過上述步驟103、104的處理獲得的20個個體分別進(jìn)行是否滿足限制條件的檢查(步驟105)。就是說，對每個個體檢查運(yùn)算對象點的數(shù)是否在10點以內(nèi)。然后，將運(yùn)算對象點的數(shù)超過10點的個體廢棄。
在不滿足限制條件的個體即使存在一個的情況下(步驟106中為否)，返回步驟103，從剩余的個體中通過交替生成相當(dāng)于被廢棄的個體數(shù)的個體。然后，進(jìn)行步驟104～106的處理。
通過反復(fù)進(jìn)行步驟104～106的處理，如果全部個體滿足了限制條件(步驟106中為是)，判斷是否進(jìn)行了預(yù)定次數(shù)例如300次的世代數(shù)的世代交替(步驟107)。在未進(jìn)行預(yù)定的世代數(shù)的世代交替的情況下，返回步驟102，再次進(jìn)行步驟102以后的處理。
在步驟107中，在斷定進(jìn)行了預(yù)定的世代數(shù)的世代交替的情況下，結(jié)束處理。
然后，從剩余的個體中選擇兩個距離尺寸R大的個體。生成與所選擇的兩個個體對應(yīng)的掩碼，將其中的一個作為第一掩碼，將另一個作為第二掩碼。
另外，在上述第二精判斷處理中，用兩個掩碼進(jìn)行兩個階段的匹配處理，但也可以用三個以上掩碼進(jìn)行三個階段以上的匹配處理。另外，還可以用一個掩碼只進(jìn)行一個階段的匹配處理。
在上述實施形態(tài)中，根據(jù)以紅外光為依據(jù)的輸入波形進(jìn)行第一精判斷處理，根據(jù)以紅色光為依據(jù)的輸入波形進(jìn)行第二精判斷處理，但也可以根據(jù)以紅色光為依據(jù)的輸入波形進(jìn)行第一精判斷處理，根據(jù)以紅外光為依據(jù)的輸入波形進(jìn)行第二精判斷處理。另外，還可以都根據(jù)以紅外光為依據(jù)的輸入波形進(jìn)行第一精判斷處理及第二精判斷處理。或者，也可以都根據(jù)以紅色光為依據(jù)的輸入波形進(jìn)行第一精判斷處理及第二精判斷處理。
工業(yè)上利用的可能性本發(fā)明的紙券類的真假判斷方法及紙券類的投入方向判別方法在兌換機(jī)、各種自動售貨機(jī)等中判斷被投入的紙幣的真假時有用。
權(quán)利要求
1.一種紙券類的真假判斷方法，包括以下步驟根據(jù)從作為檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對所述多個位置預(yù)先求得的第二基準(zhǔn)數(shù)據(jù)中適當(dāng)?shù)剡M(jìn)行預(yù)先判斷選擇的多個計算對象位置的特征量及第二基準(zhǔn)數(shù)據(jù)，算出特征量和第二基準(zhǔn)數(shù)據(jù)的匹配度的步驟；以及根據(jù)算出的匹配度，判斷作為檢查對象的紙券類的真假的步驟。
2.根據(jù)權(quán)利要求1所述的紙券類的真假判斷方法，其特征在于所述多個運(yùn)算對象位置通過按照遺傳算法進(jìn)行的最佳化處理選擇。
3.根據(jù)權(quán)利要求2所述的紙券類的真假判斷方法，其特征在于按照遺傳算法進(jìn)行的最佳化處理包括以下步驟將預(yù)定的多個特征量讀取位置分別作為遺傳子具有，取得表示是否將各遺傳子的讀取位置作為某個運(yùn)算對象的值，生成由取得該值的第一規(guī)定數(shù)的個體構(gòu)成的初始集團(tuán)的第一步驟；根據(jù)預(yù)先準(zhǔn)備的多個真券紙幣類及多個假券紙幣類的分析用數(shù)據(jù)，對每個個體算出真券和假券的判別精度的評價值，只選擇第二規(guī)定數(shù)的評價值高的個體的第二步驟；從所選擇的個體組選擇任意的個體對，通過增加規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成的新的個體集團(tuán)的第三步驟；將作為運(yùn)算對象的遺傳子的數(shù)超過預(yù)定的限制數(shù)的個體廢除的第四步驟；通過反復(fù)進(jìn)行規(guī)定的遺傳的操作，生成由第一規(guī)定數(shù)的個體構(gòu)成、而且在所有的個體中作為運(yùn)算對象的遺傳子的數(shù)在規(guī)定的限制數(shù)以下的個體集團(tuán)的第五步驟；以及將第二步驟～第五步驟的處理反復(fù)進(jìn)行規(guī)定次數(shù)的第六步驟。
4.根據(jù)權(quán)利要求3所述的紙券類的真假判斷方法，其特征在于所述遺傳的操作是交替處理及突然變異處理。
全文摘要
根據(jù)從作為檢查對象的紙券類上的多個位置讀取的紙券類的特征量和對上述多個位置預(yù)先求得的基準(zhǔn)數(shù)據(jù)，抽出紙券類的每個特征量的不規(guī)則成分。根據(jù)所抽出的每個特征量的不規(guī)則成分和預(yù)定的污濁成分的預(yù)定模型，推測作為檢查對象的紙券類上的多個位置中的每個位置的污濁成分。然后，根據(jù)所推測的污濁成分和所取出的不規(guī)則成分，判斷作為檢查對象的紙券類的真假。
文檔編號G07D7/16GK1534549SQ0314344
公開日2004年10月6日 申請日期1997年1月22日 優(yōu)先權(quán)日1996年1月25日
發(fā)明者中島英樹, 阪井英隆, 巽宏之, 隆 申請人:三洋電機(jī)株式會社