[发明专利]一种币种识别方法、识别装置、以及电子设备

说明书

本发明提供了一种币种识别方法、识别装置、以及电子设备预先训练一个用于识别钞票币种的第一识别模型、以及用于识别钞票真实性的第二识别模型，两者可以通过处理图像的方式识别钞票的币种信息，整个过程无需人为操作，具备快速、高效、低成本的优势。此外，由于在第一识别模型的基础上增加了第二识别模型，能够识别钞票真实性，这就可以避免模型错误将非钞票物体识别为钞票的误识别问题，提高识别的准确性。

技术领域

本发明涉及数据处理技术领域，更具体地说，涉及一种币种识别方法、识别装置、以及电子设备。

背景技术

银行外币现钞兑换业务通常涉及到多种外币。而在实际生活中，大多数人因知识储备有限而无法准确区分币种。

当前，外币识别主要依靠人工完成，这就要求相关人员具备较高的知识储备，难以大范围推广普及。

发明内容

有鉴于此，为解决上述问题，本发明提供一种币种识别方法、识别装置、以及电子设备，技术方案如下：

一种币种识别方法，所述币种识别方法包括：

获取待识别钞票的图像；

将所述待识别钞票的图像分别输入至预先训练的用于识别钞票币种的第一识别模型和用于识别钞票真实性的第二识别模型中，通过所述第一识别模型和所述第二识别模型的输出结果识别所述待识别钞票的币种信息。

优选的，所述第一识别模型的训练过程，包括：

获取第一训练样本和第一测试样本；

确定第一神经网络模型，所述第一神经网络模型是通用的用于图像分类的模型；

对所述第一训练样本中用于本次训练的样本进行图像增强，并将增强后的样本输入至所述第一神经网络模型中，以调整所述第一神经网络模型的权重参数；

对所述第一测试样本中用于本次测试样本进行预处理，并将处理后所述样本输入至所述第一神经网络模型中，以确定所述第一神经网络模型的识别准确率；

在所述第一神经网络模型的识别准确率不符合第一预设结束条件的情况下，返回执行所述对所述第一训练样本中用于本次训练的样本进行图像增强；

在所述第一神经网络模型的识别准确率符合第一预设结束条件的情况下，将所述第一神经网络模型作为所述第一识别模型。

优选的，所述第二识别模型的训练过程，包括：

获取第二训练样本和第二测试样本；

搭建第二神经网络模型，所述第二神经网络模型由输入到输出依次包括第一卷积层、均值池化层、第一批量归一化层、第二卷积层、第三卷积层、第一最大池化层、第二批量归一化层、第四卷积层、第五卷积层、第六卷积层、第二最大池化层、第三批量归一化层、flatten层、第一全连接层、Dropout层、第二全连接层；

对所述第二训练样本中用于本次训练的样本进行图像增强，并将增强后的样本输入至所述第二神经网络模型中，以调整所述第二神经网络模型的权重参数；

对所述第二测试样本中用于本次测试样本进行预处理，并将处理后所述样本输入至所述第二神经网络模型中，以确定所述第二神经网络模型的识别准确率；

在所述第二神经网络模型的识别准确率不符合第二预设结束条件的情况下，返回执行所述对所述第二测试样本中用于本次测试样本进行预处理；

在所述第二神经网络模型的识别准确率符合第一预设结束条件的情况下，将所述第二神经网络模型作为所述第二识别模型。

优选的，所述第二神经网络模型的激活函数采用Sigmoid函数、损失函数采用CrossEntropy函数。