纸币清分机系统的方案设计_罗皓斐

收稿日期:2004212221基金项目:国家自然科学基金重点资助项目(50335040)作者简介:罗皓斐(1980-　),男,浙江杭州人,浙江大学硕士研究生,主要研究方向是机电一体化,数字图像处理。

文章编号:100522895(2005)0420131204纸币清分机系统的方案设计罗皓斐,潘双夏 (浙江大学机械设计研究所,浙江杭州310027) 摘　要:针对现有清分机存在的清分速度不高和清分效果不理想的缺陷,提出了基于D SC 25芯片(A RM D SP 双核芯片)的快速图像扫描和高速图像处理的并行系统结构。

研究了有利于提高图像处理速度的并行处理算法及图像处理核心算法的实现策略,并在自主研发的清分机平台上进行了有效的验证。

关　键　词:图像处理;纸币清分机;系统设计中图分类号:TH 193.5 文献标识码:A1　前　言随着银行业的发展,A TM 机的迅速普及,以及人们对流通中人民币质量要求的提高,银行业对于能够区分新旧纸币的纸币清分机需求日益增加。

现在国内许多银行采用的清分机大都是进口产品,价格昂贵,而且它们是专门针对国外货币进行设计的,对于人民币处理效果并不是很理想。

因此,实现清分机的国产化和低成本有着重要意义[1]。

纸币清分机的主要功能是识别纸币的面额、面向、新旧程度,解决新旧纸币的清分以及挑选适合A TM 机纸币的需求。

它能够在钞票一次通过机器的情况下,对钞票缺损、连张、破洞、胶带等多种状况进行检测,实现对钞票的点算、鉴伪并按照新旧、面额、版本、正反和方向进行清分。

清分机的基本功能和指标规定如下:(1)点算功能　能够进行纸币张数统计,速度必须达到1000张 m in 以上。

(2)伪钞鉴别　能够识别当前流通纸币的各种防伪标记,可以准确的鉴别出伪钞,速度必须保证点算的正常运行。

(3)面额清分　能够识别出规定类型的纸币面额,把不同面额的纸币分类输出,速度必须达到600张 m in 以上。

(4)版本清分　能够把不同版本的纸币分类输出,速度达到600张 m in 以上。

(5)残缺检验　能够检出残缺度(缺角、裂缝、破洞、卷角等)超过规定的纸币,速度达到600张 m in 以上。

(6)方位识别　能够正确识别纸币方位,可以把4种方位(正上、正下、反上、反下)的纸币分类输出,速度达到600张 m in 以上。

(7)新旧清分　能够正确识别纸币新旧,分辨率达到10个等级以上,速度达到600张 m in 以上。

这些应用的核心技术基础就是实时纸币图像识别。

要求在纸币高速通过时,就要完成实时纸币图像采集和所有识别过程。

因此,实时纸币图像识别系统是纸币清分机系统设计中最核心的部分,整个系统设计都要围绕它来进行[2]。

2　系统设计分析现代复杂的机电系统设计中,整个功能目标都是通过软硬件系统的相互配合共同实现的。

硬件系统为软件系统搭建一个物质平台,软件系统则要在这个平台上充分挖掘硬件系统的资源。

整个纸币清分机系统,与一般的图像处理系统有着显著的不同,它具有很强的实时性,这就要求从软、硬件2方面来解决这个技术问题。

在硬件设计方面,就需要选用高速支持图像处理的芯片。

在软件设计方面,采用通常的复杂图像处理和识别算法是不现实的,需要采用相对运算量不大,但能满足实时性要求的算法。

当前纸币清分机以进口为主。

以日本光荣公司为例,他们所采用的图像处理系统由多片80C 196组成。

该方案由于80C 196没有专门的图像处理功能,且处理速度相对较慢,因此就需要通过多片80C 196并行工作来实现高速图像处理。

这个系统方案比较复杂,还需要考虑各个M CU 的通讯问题,而这些完全可以用图2　现有清分机识别系统串行流程图一块高速图像处理芯片来代替完成相同的功能。

国产清分机以哈工大为例,其图像处理系统是以PC 104为核心的。

由于PC 104没用专门的图像处理功能,因此图像处理速度并不快,且PC 104价格比较昂贵。

基于以上的方案分析比较,提出了一种新的系统方案,采用T I 公司的D SP A RM 双核芯片D SC 25来实现纸币清分机图像处理系统。

D SC 25是一款专门为图像处理而设计的高性能处理器,它主要由A RM 7R ISC 核子系统和D SP TM S 320C 5409核子系统组成,还包含了图像协处理器以及M em o ry 的外围接口控制器。

其中D SP 主频可达100M H z ,可以在系统中高速运行下,准确、实时地进行图像处理。

这款芯片最大的特点就是它是双核芯片,因此可以实现对图像的并行处理,在处理速度上比前2种方案有所提高。

它还包含图像协处理器,对部分图像处理可用硬件来实现,也提高了处理速度。

芯片价格比PC 104便宜很多,相应的开发工具也很方便。

在图像传感器方面,可选的方案有C IS 传感器和CCD 传感器2种。

由于CCD 对聚焦及光源要求很严格,而C IS 则没有这些限制,并且可使机械结构更加紧凑,所以选定C IS 传感器来实现图像采集。

纸币清分机又是一个需要多任务并行处理的系统,因此需要采用多处理器来解决这个技术问题。

同时,该系统传感器多,需要占用大量的I O 端口,因此整个系统选用M o to ro la 的M C 9S 12A 128B 芯片作为控制芯片。

3　系统架构设计基于以上分析,可以设计出纸币清分机系统架构,如图1所示。

整个硬件系统主要是由以D SC 25为核心的图像处理系统和以M C 9S 12A 128B为核心的控制系统所构成的。

该系统方案与哈工大以及日本光荣相比,整体系统更为简洁,只用了2片芯片,因此在通讯上更为简洁方便,且功能上划分更为明确。

尤其是用于图像处理的D SC 25,采用了双核芯片,因此在硬件上可以并行地实现图像扫描和图像处理,而不是传统的扫描完图像再进行处理的方案(扫描一幅图像就往往需要40m s 左右,留给图像处理的时间只有40m s 左右)。

本方案可以在扫描图像的同时,进行处理工作,因此极大的提高了整体处理速度。

系统为D SC 25扩展14B IT 的A D ,用于采集C IS 传感器所获得的图像。

选用扩展了的2M B yte F lash 存放指令代码和参变量。

D SC 25主要负责图像采集,图像处理,以及图像识别。

D SC 25通过串口与M C 9S 12A 128B 进行直接通讯,将图像识别结果通过串口发送给M C 9S 12A 128B 控制芯片,由此来实现翻板电机的控制,以及液晶显示。

M C 9S 12A 128B 芯片主要负责人机界面交互(键盘、液晶)、主电机的控制以及翻板电机的控制。

并通过获取厚度传感器,磁性传感器,以及红外传感器信号来鉴别纸币真伪,判断纸币连张,重叠等各种情况,并完成纸币的计数功能。

图1　纸币清分机系统构架4　系统软件设计纸币清分机系统是一个复杂的多任务系统。

为了保证它的高速运行,在硬件上采用并行处理的手段,使用三个处理器并行执行。

同时,在软件上也要根据其特性,采用各种手段充分发挥硬件平台的潜力,努力提高系统的综合性能。

纸币清分机的一般的串行工作流程如图2所示。

而由于采用了多处理器并行处理的方案,因此实现了把扫描图像过程与边缘检测,旋转校正以及中间残缺检测过程的并行处理,也就是在一个时间段内可以同时完成多种功能。

这样就极大的提高了处理速度,其流程图如图3所示。

A RM 和D SP 2者通过H P I 来进行通讯。

在软件设计上,也根据硬件的特点,采用中断驱动的方式,来实现并行处理。

对于时间要求比较高的图像扫描模块,根据A RM 3级流水线的特点,进行了汇编优化处理。

图像识别模块是整个清分机软件设计的核心部分,主要是由D SP 来完成。

扫描经过的图像数据要进行5项处理:纸币的边界检测和倾斜校正,纸币的残缺识别,币种识别,面向识别,以及新旧识别。

D SP 5409核高速实时的处理能力能够满足图像识别系统数据量图3　清分机识别系统并行流程图大,处理过程复杂的要求。

(1)纸币的边界检测和倾斜校正　由高速通过纸币采集到的图像一般存在纸币位置的倾斜,需要边界检测来实现纸币的定位和倾斜校正。

纸币的定位主要是图像中纸币4个边界的确定。

考虑到系统实时性的要求,先通过采集上边界和左边界的有限个点,来确定上边界和左边界,并根据纸币图像的长和宽经验值来确定下边界和右边界。

由于实际图像都有一定程度的倾斜,所以必须在对纸币定位以后才能对图像进行倾斜校正[3]。

(2)纸币残缺识别　可以根据纸币破损处采集到的图像信息与背景相同的特点,提取与背景灰度值一样的连通区域即为破损区。

计算破损区的面积S,若S标-S<∃(允许流通的纸币破损面积的容限)则合格,否则视为残缺纸币,并给出残缺的等级[4]。

(3)纸币币种的识别　由于处理的货币为人民币,可以利用人民币的一些特殊的特点对其进行识别。

与美元不同,不同面额的人民币其票面尺寸都有明显的差别。

不同面额的人民币长宽相差几个mm,再换算到面积上则相差更大,因而对于精确到像素级的扫描精度来说,完全可以通过计算图像尺寸(像素数)来识别。

这种算法速度快,正确率达到100%。

(4)纸币面向识别　通过识别纸币图像中的特征块的位置来进行面向识别,为了减少计算量,选择易区分、数据少的特征块,通过计算,得出不同的相关系数来判别纸币的面向。

(5)纸币新旧识别　新旧识别是整个图像识别中的难点。

最初多采用声音来进行新旧识别,国内也有用判断纸币透光率来识别的。

当前国内外都采用图像处理方式来进行新旧识别,通过提取新旧纸币不同的特征向量作为样本,并训练出一个比较好的分类器,通过该分类器对纸币的新旧来进行识别[4][5]。

初期我们选用了纸币的灰度直方图作为新旧纸币的特征向量,图4是5张新旧不同纸币的灰度直方图曲线。

从图中可以看到,5张新旧程度不同的纸币的灰度直方图可作有规律的依次排列,因此采用直方图的方法可以实现对新旧纸币进行识别。

该方案经过实际检验,有一定的识别效果,但识别率并不是很理想。

因此我们在灰度直方图的基础上,再提取新旧纸币的特征区域作为新旧识别的另一判据。

经实际检验,通过综合判断后,系统识别率有所提高,可以达到90%左右。

图4　5张新旧不同纸币灰度直方图比较整个图像识别过程要求在40m s内完成。

因此对于软件设计来说,最主要的就是在保证识别率的情况下,采用相对运算量较小的算法,并且要充分利用D SP流水线处理的特点,对D SP软件进行优化处理,这样才可以满足实时性的要求。

5　系统实践和总结在实际系统中,经过验证,整个纸币清分机系统能够在90m s内完成对一张纸币的处理,其速度完全能够达到650张 m in以上。

对系统性能做了测试,当前所采用的识别方法有较高的识别率,在加入拒识的情况下,识别面向准确率可以达到100%。