为慈善组织智能高速高自动化变种硬币分类外文文献翻译、中英文翻译

硬币整理机的设计附录为慈善组织智能高速，高自动化变种硬币分类摘要 - 对于超过300吨的和2000种不同类别的旧的和使用过的硬币准确分类几乎100的认可，需要开发独特的智能高速，高变自动化的硬币分类机。我们已经开发的以另一个钱计数专家命名的机器被称为“达戈贝尔”。基于光学识别，来自约100个国家不同的硬币都被以高达每秒10金币的速度分类和排序。除了关于物流，硬件和软件信息组件，控制系统和数据库，对收藏如此大量的金钱和这两年制造业的成果背后的故事进行了讨论。 关键词：操作，图像识别，控制系统，处理，过程自动化。I.引言 在2002年年初当欧元被引进时，在许多欧洲国家的硬币和纸币变为无效。在大多数国家，慈善组织开始收集。最后一个大型慈善募捐“ Lich t的插件邓克尔“ （奥地利慈善机构）收集了几吨硬币和多种货币的纸币。然而，这一成果导致了独特的技术和后勤问题：如果它经整理，传递到其原产国并进行交换，那它仅具有经济价值。该铸币和纸币的总重量超过300吨。抽样统计数据显示，硬币和纸币来自100多个国家。假设一个国家的硬币有10个不同的硬币面值，这就导致了总数超过1000种不同的硬币类别。 常用的硬币分类机仅能处理具有非常有限量的硬币种类。标准分拣技术基于电磁和硬币的机械性能。但是，硬币的种类与金额，以及时间和可靠性的要求要求光学识别。用这种方法，每个硬币都要用数码相机扫描两侧。两个扫描点之间，硬币要通过倒转单元。该相机将图像发送到计算机，使用智能算法的硬币分类。从分类器输出的硬币通过机械开关，被发送到各自的盒子。II.布局，概述 由于流通的硬币中含有大量废物材料（回形针，钱盒，螺丝，极其弯曲硬币等），所以必须以一个强大的方式专门设计一种高速硬币分拣机的机械结构。当金币被送入系统时大多数废料可以被移除。少数种类将被整理到预分拣设备，然后自动检测并在采集单元移除。图2展示出了整个系统的机械布局。III图像采集所采用的B / W型相机具有12801024像素的空间分辨率和8位灰度分辨率。空间图像采集后立即出现，使输入图像的空间分辨率是640 512象素，这对应于每个像素0.084毫米。被拍摄的硬币图像的传送速度为570毫米/ s的一个100微秒的快门速度，从而保证了实际上画面稳定（图3） 。照明是由5个圆管搭载一台40千赫电源提供的。旋转对称排列的管和单元的金属外壳是确保激烈的漫射光所必需的，这样使硬币的细微表面浮雕能清晰可见，并且没有突兀的影子。试验在试验阶段（生产前）所有硬币类型的样品都要扫描确认（可能是每个硬币类型几个），无论是正面还是背面的平均图像分别作为主影像存储在不同硬币类别。甚至一种货币的硬币面额都会有显著的变化。例如，一个20林（前奥地利货币）硬币有2个不同的前面和18种不同的背面浮雕，这些必须分配给不同的类（微小差异，如不同冲压年是不相关的）。有趣的是，即使两个硬币用相同的压花也可能会在尺寸上略有不同（这是通过使用不同的压花工具导致的）。建立试验数据库在有代表性的随机样本的基础上，可以预先确定硬币的数量和类型的从而进行成本效益排序（转换成本处理成本）。这给了将被试验的硬币的基本信息。光学评估的速度很大程度上依赖于可用的预分类质量（见选择标准）和试验数据库的数据数目。在第一个试生产阶段，所有硬币的扫描图像都要记录。通过评估这些图像，通过试验新硬币验证预选质量并进行择优选择。我们终于获得由超过650个不同的硬币类型组成的数据库，拥有2000个浮雕的总数（每个硬币两面浮雕;许多硬币类型有很多不同压纹）。为了能够进行光学识别硬币，其信息必须从图像中和它的固定位置中提取。通过与数据库中（超过2000）所有试验硬币图像进行对比找到硬币的图像，则可以判定该硬币是否与一个已知的硬币相匹配。应当指出该扫描的硬币的旋转位置与试验的图像可能会有所不同。因此，每个图像必须进行不同旋转位置（约1间隔）的多次比较。鉴于计算所需的对比图像数量和类型数额巨大，必须进行优化选择以实现可接受的分拣速度。预选标准的是简单快速确定（见下一节）使比较的次数最小化。此外，它并不是图像数据本身进行比较，而是每个图像（相当于一个电子指纹）用一个独特的标志进行计算并且这些标志能简单快速进行比较。硬币分类在生产中的硬币分类过程分为四个阶段：（1）检测（2）预选（3）验证（4）选择检查尽管它可以假设该硬币在整个拍摄的图像中是可见的，它的精确位置也是可以有很大变化的。图像处理的第一步，必须确定硬币的精确位置和大小。更准确地说，一个blob （二进制图像，其中0 =背景和1 =硬币）表示描述硬币的表面。已经证明了把斑点加在凸盖周围的优越性。因此任何孔（一些钱币在中心有孔）也认为是硬币表面的一部分。此任务是比原来更加困难尽管这里描述的方法可以通过从图像处理库使用标准的函数从而用相对较少的努力来实现，它有时会因为有非常暗的硬币而失败。这些问题是由输送带引起的，其严重污染硬币。尽管有旋转刷子自动清洗，一个新的输送带短短几个小时后就会显现出的最大污染。该皮带（为了说明目的对比度已经略有增强，）会有高于期望的亮度，尤其是在硬币一般都排列出现的中心位置。虽然这不是一个10格罗申的问题，但较深的硬币确实是个问题。几乎全黑的皮带是最好的，它甚至可为相对较暗的硬币提供足够的对比度。然而，这种条件仅能在新皮带或手动清洗的情况下实现。二者都与不可接受的工作量相关联，况且只能偶尔实行。因此，我们需要找到一种稳健的硬币检测工序，使其即使在有较高污染的时候也能继续工作。在硬币到达数码相机之前，它通过一个光栅。这种光栅每2毫秒通过测量大约厚度产生硬币的高度轮廓。只要测量的物体类似于一个硬币其平均厚度与硬币的长度都以图像进程传递处理。被测物体因太不平衡或太厚而被压缩空气吹出。图5显示出一个硬币的测量高度分布。该光栅测量传感器处光的到达量。图6显示了如何从图5中的读数转换成毫米。空传送带和加硬币传送带读数之间的差值会被绘制在水平轴线上。在毫米量级上的相关联的高度差可以在垂直轴上看出。这条直线是从特别制造的刻度盘上通过专门的插值读数计算出来的。这6个点来自这些刻度盘。虽然直线清楚地错过了原点，但这个线性函数也证实了预期的理论。分析表明，该传送带在边缘比在中间稍高，从而产生这样的效果。极薄的物体（0.2毫米）会在这个低处完全消失，因此不能被检测到。然而，最薄的必须检测到的硬币有足够的为0.7毫米厚度。尽管会发生显著差异，但必须对每个输送带/光栅组合实现校准。由于硬币的长度，两个侧面的中心是确定的，它们的位置是由线性内插，从另一个中减去计算得到的。这一长度为两个侧面之间的位置差。此长度被解释为圆形硬币的直径，因此，被估计的硬币的表面面积就被确定了。此硬币表面面积以像素为单位从图像中的像素总数（= 640 * 512）中减去在，以获得通过传送带采集到的表面面积。此输送带面积乘以选取的0.7数值，赋予值p 。因为较暗的p像素的存在，整个图像的亮度直方图现在用于确定最小灰度值g。二值化是使用阈值g= 40进行的。所有较亮的像素都赋予值1 ，所有其他的赋予值0 。系数0.7保证了即使有背景和硬币本身黑暗的尖端也能分别在图8中看出，聚集，使得即使是在皮带较亮的部分也可以在二进制图象中完全看出硬币。形态学开端操作 - 侵蚀随后扩张 - 是在二值化图象上进行的。一个大小为7 * 7的方块作为内核。这消除了输送带的全部光线而保留硬币的。这一效果是基于这样的假设，输送带有足够的均匀分布的暗点并且比硬币暗。这就是通常使用交叉线的黑皮带的情况，尽管这些线与线之间存在黑洞。尽管受到污染，这些开口保持相对黑暗，而线可以比硬币的表面亮很多。只有在极暗的硬币和一个严重污染的输送带的情况下这一方法行不通。最大的一团 （相邻像素组赋予二进制值1 ）被看到。如果这个斑点是至少100个高像素， 100宽像素，并且包含至少3000个像素（试探性的取最小值），它被认为是一个硬币的团点。否则视为没有找到硬币。 最后， 计算斑点的凸盖，以使不平整的边缘都平滑。表面积和中心重心坐标从该凸盖计算得到。直径是从表面积而得。由于摄像机是标定的，直径可被转化为毫米。 在计算的直径时圆形硬币就被假定了。具有角的硬币，通过延伸的圆的获得直径。直径是粗预分类所需的。原则上，该表面区域中的像素也可以被使用。然而，因为以毫米为单位的直径相比手动测量更容易所以能给出更高的清晰度。预选分类标准：直径和厚度下图显示所有硬币的直径/厚度分布（每点对应的硬币型与相应的直径和厚度）的一部分。假如单纯按直径大小的不同进行分类，能够很快发现少数，便于 处理的带有少量不同的能迅速被证明是伪造的硬币数量。对于一个现实可行的 1毫米的直径间隔（考虑到磨损和压花公差），仍然会有每类多达75个不同的硬币类型（参见图10）。此外，因为每类