Abstract: Given the significance of detection, recognition, and secure preservation of banknote usage processes, we have systematically configured and experimented with a hierarchical approach using methods such as Convolutional Neural Networks (CNNs), image processing tools including OpenCV, as well as leveraging prior experiments and data in the field of banknote detection and recognition. Our objective is to achieve an optimal method for banknote detection. These stages encompass the recognition and image capture of banknotes through threshold determination, color composition analysis, texture detection, and structural pattern recognition. It's important to note that the available methods do not constrain our choices, and the order and quality of each stage inherently possess unique criteria.
Keywords: Iranian banknote recognition, banknote identification, banknote recognition, random forest, deep learning
Author: Amir Shokri - Ali Eslah
{
author = {Amir Shokri and Ali Eslah},
email = {amirsh.nll@gmail.com, alieslah81@gmail.com}
title = {Iranian Banknote Recognition Using Image Processing Methods},
conference = {The eighth International Conference on Science and Technology of Electrical, Computer and Mechanical Engineering of Iran (UTCONF08)},
year = {2023},
url = {https://www.en.symposia.ir/UTCONF08},
}
چکیده: با توجه به اهمیت تشخیص، شناسایی و امن نگه داشتن فرآیند استفاده از اسکناس‌ها، به کمک روش‌هایی مانند CNN، ابزارهای پردازش تصویر از جمله OpenCV و همچنین از آزمایش‌ها و داده‌های پیشین در حوزه تشخیص و شناسایی اسکناس، سلسله مراتبی را تنظیم و آزمایش کرده‌ایم تا به روشی بهینه برای تشخیص اسکناس، دست یابیم. این مراحل شامل تشخیص و ثبت تصویر اسکناس به وسیله تعیین حد آستانه، میزان غلظت ترکیب رنگی، تشخیص بافت و قالب فرمی است، هر چند که روش‌های ممکن به انتخاب‌های ما محدود نمی‌شوند و ترتیب و کیفیت هر مرحله به خودی دارای شاخص‌های منحصربه‌فردی هستند.
واژگان كليدي: شناسایی اسکناس ایرانی، شناسایی اسکناس، تشخیص اسکناس، جنگل تصادفی، یادگیری عمیق