3 实验与总结
在实验中,共使用1800张人民币训练识别网络,每一类人民币200张,算上每张人民币的四个面向,可认为每一类纸币的训练样本为800个。另外,每一类人民币取400张做测试,共3600张,可认为测试样本是14400个。其中,表1为实验测试数据(未含不识别类处理)。不识别类主要是由倾斜角超过引起的,在实验中将它重新测试,直至识别出。
表1 实验测试数据
| |
面值 |
正面正向 |
正面倒向 |
反面正向 |
反面倒向 |
| 四版5元 |
400 |
399 |
399 |
399 |
399 |
| 四版10元 |
400 |
400 |
400 |
400 |
400 |
| 四版50元 |
400 |
400 |
400 |
400 |
400 |
| 四版100元 |
400 |
400 |
400 |
400 |
400 |
| 五版5元 |
400 |
397 |
396 |
396 |
397 |
| 五版10元 |
400 |
400 |
400 |
400 |
400 |
| 五版20元 |
400 |
398 |
398 |
399 |
398 |
| 五版50元 |
400 |
400 |
400 |
400 |
400 |
| 五版100元 |
400 |
400 |
400 |
399 |
400 |
| 识别率 |
100% |
99.82% |
实验结果表明,本系统对纸币面值的识别率达100%,对面向的识别率达99.82%。纸币识别的速率达650张/分,满足了高速实时性。对0.18%的误差率作了研究,发现主要是由纸币的残缺引起的,它使纸币的长宽检测不准,或者破坏了图像的特征方向块分布。今后的工作将着重研究纸
|
最新电子论文
