基于Python硬币识别系统设计与实现.docVIP

基于Python硬币识别系统设计与实现 　　摘要：针对目前硬币识别系统使用成本高、硬件要求高等问题，设计了一种识别率高、成本低的硬币识别系统。系统通过Python与OpenCV结合数字图像处理技术对1元、5角、1角三种硬币进行识别。首先通过颜色通道转换法实现5角硬币识别，然后经过高斯去噪、二值化、自适应二值化、均值滤波对原始图像进行处理，将处理后的图像通过提取1角与1元硬币边缘轮廓的周长作为分类特征，利用机器学习方法，对两种硬币15张图像进行训练、5张图像进行测试。结果表明，系统对5角硬币识别准确率高达100%，对1元与1角硬币识别率达到80%。经测试证明，该系统既保持了高效的识别率，又减少了硬件依赖，有一定的实际应用价值。 　　关键词：硬币识别；Python；OpenCV 　　DOIDOI：10.11907/rjdk.171783 　　中图分类号：TP319文献标识码：A文章编号2017）010012903 　　0引言 　　硬币在生活中应用非常广泛，硬币识别大致分为面值识别与真假鉴别。在硬币清分机、公交车及自动售货机的设计与实现中，通过获取硬币图像对面值进行识别是研究的关键问题。 　　目前国内采用的硬币面值识别法有图像法及电涡流传感器法等[12]。传统的硬币识别主要是机械识别，由于选取特征过程的影响，很难保证识别准确率。美国Mahesh等[3]设计了一个带旋盘的结构，通过光探测器检测与计算机编码器的编码脉冲识别硬币。付丽等[4]设计了一种基于光电开关的硬币识别系统，大幅度提高了识别准确率。莫磊[5]针对硬币准确识别与伪币检测，利用EDA技术、电子信息技术、计算机技术、传感器技术、智能控制技术等对硬币识别进行了研究，通过改善传统电涡流分析法，加入一定算法研究达到了提高识别率的效果。刘艺柱[6]通过分析电涡流传感器的基本原理，提出了利用双路电涡流传感器对硬币材质、厚度等参数进行检测的思路，硬币识别检测率改善效果明显，相比付丽等人的方法技术更加前沿，准确高效。这些方法识别率高，但设计复杂，严重依赖硬件组件、成本较高。人工智能的发展，使得通过图像技术进行物体识别发展迅速[7]。本系?y通过利用数字图像处理技术对图像进行预处理，使得提取图像的特征变得简单，准确率得到有效提高。Python是一种面向对象的解释型计算机程序设计语言，具有丰富与强大的库，已经成为继JAVA-C++之后的第三大语言[8]。由于Opencv内置强大的数字图像处理函数，系统设计过程利用软件编程思想减少了对硬件的依赖，做到成本低、识别率高、复杂性低。并且通过机器学习思想，对1元与1角硬币分别选用15张处理后的图像进行训练，5张进行测试，检测结果表明该系统识别准确率高、稳定性好。 　　1系统设计 　　1.1系统总体框架 　　图1为系统框架，系统功能分为5个部分：图像采集、颜色通道转换、图像预处理、特征提取、训练测试。 　　1.2硬币识别工作流程 　　先进行图像采集，通过读取图像进行颜色通道转换，实现5角硬币识别，再对1元与5角硬币图像进行预处理；接下来进行特征提取，提取轮廓周长信息；提取15张图像进行训练，最后给定图像进行测试。系统流程如图2所示。 　　2功能设计与实现 　　2.1图像采集 　　首先，在简单环境拍摄得到原始图像。简单环境是指：拍摄镜头距离桌面背景15cm正上方，桌面背景为黑色，室内环境，选择最佳聚焦效果进行拍摄。既保证图像质量，又为系统识别硬币的准确率奠定基础（见表1）。 　　2.2颜色通道转换 　　由于颜色提取过程中RGB模型易受到光照影响，因此将图像由RGB转换到HSV颜色空间模型，更易提取颜色特征。系统绘制了3种硬币的颜色空间直方图（见图3-图5，彩图见封二），王洪建等[911]研究得出H与S分量包含了图像的彩色信息，本系统采用该思想抽取H与S分量特征值，识别出5角硬币。 　　图3-图5中蓝色与绿色分别代表了H与S分量。可以得出5角硬币在H与S明显区别于其它硬币，因而通过颜色空间转换方法可以对5角硬币进行识别。具体代码如下： 　　defhist（img）： 　　hsv=cv2.cvtColor（img，cv2.COLOR_BGR2HSV） 　　color=（b，g，r） 　　fori，col in enumerate（color）： 　　hist=cv2.calcHist（[hsv]，[i]，None，[256]，[0，256]） 　　plt.plot（hist） 　　plt.xlim（[0，256]） 　　plt.show（） 　　2.3图像预处理 　　从图3与图5可以看出，由于1角硬币与1元硬币在HSV颜色曲线的H分量上相似较大，因而无法进行识别，需要利用数字图像处