银行有时需将人民币按面额、版次、新旧等分类存放。目前,国内点钞机大多只具有简单的计数和鉴伪功能。因此,人民币清分工作仍然是依靠人工处理。这种人工清分不但占用较多人力,而且分类速度、质量都存在很大的问题。 由于纸币智能分捡器技术含量较高,世界上仅有日、美、英、德等少数国家能生产纸币智能分捡器,国内银行大都采用进口产品。但引进的国外产品价格昂贵,维修服务成本高,而且它们大多是专门针对国外货币进行设计的,对人民币处理效果并不是很好。 因此,迫切需要功能更强大、智能化程度更高的人民币分捡器。研制性价比高且适合国情的人民币智能分捡器,不仅具有学术研究价值,而且具有工程实用价值。 本文在详细研究国内外纸币分捡器设计思路的基础上,取长补短。针对现有分捡器存在的清分功能少和清分效果不好的缺陷,利用荧光鉴伪、磁性鉴伪、红外鉴伪三种理论技术进行鉴伪识别。对面额、版次、新旧识别方法进行了深入的研究。基于模式识别、数字图像处理、计算机控制等检测控制技术,在纸币清分机中的广泛应用;提出了基于AT89C51单片机和TMS320VC5402DSP双CPU的高速图像处理和识别判断的系统架构。阐述了数字图像处理在本系统中的应用,简要论述了数字图像的表示及预处理,包括图像的去噪声、倾斜校正,分析了纸币的灰度直方图特征。设计了图像中值滤波、倾斜校正、轮廓提取算法的实现策略。神经网络有很强的分类能力,非常适合用于纸币图像识别。在人民币的面额识别上,结合了神经网络的优点,提取人民币图像轮廓点个数作为特征向量,设计了50*30*5的3层BP神经网络的识别方法,给出了BP神经网络的学习规则;在人民币的新旧识别上,提取人民币图像灰度统计值作为特征向量,设计了255*8*3的LVQ神经网络的识别方法,给出了LVQ神经网络的学习规则,并论述了基于彩色HSI格式的新旧识别方法。最后,设计了系统软件总体结构及各功能模块的程序,并调试了源程序。