ระบบการรู้จำธนบัตร

The Recognition System of Currency Note

Name: อดิศร ลีลาสันติธรรม

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

keyword: Backpropagation Neural Network

; Currency Note

; Training

; Water Mark

Abstract: Normally, the recognition and inspection of currency note isperformed not only by external features such as picture, texture, color, numberetc., but also by water mark which is hidden, and can be seen as a shadowimage by the light shining to the back side. In this thesis, the recognitionsystem of currency note is proposed. This system used a backpropagationneural network, and an image which is merged by external currency noteimage and the shadow image of water mark. In this system, the binary edgeimage of currency note which is constructed by reflecting light is determinedin the first step. In the second step, the hidden water mark image which isconstructed by the light shining at the back is processed into binary edgeimage. Then the binary edge image of currency note is merged by the binaryedge image of water mark image. The merged image is normalized into thesame standard and fed into a 3-layers backpropagation neural network fortraining and testing. The backpropagation neural network consists of 5000 inputnodes, 6 nodes in the hidden layer and 5 output nodes.To evaluate the system mentioned above, the experiments areperformed by eighty samples of five different Thai currency notes (B20, B50,B100, B500, B1000) for training, and fifty samples of each type for testing. Theaverage of recognition rate from backpropagation neural network used for bothverifying and classifying the currency note is 100 percent.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

Address: กรุงเทพมหานคร

Email: info.lib@mail.kmutt.ac.th

Name: โกสินทร์ จำนงไทย

Role: อาจารย์ที่ปรึกษา

Created: 2541

Issued: 2005-10-19

Modified: 2553-10-29

วิทยานิพนธ์/Thesis

ISBN: 9746245252

CallNumber: EEE1301

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	EEE1301.pdf	92 MB	361	2024-09-10 10:11:52
2	EEE1301ab.pdf	69.54 KB	79	2021-10-22 01:25:22
3	EEE1301ab.txt	1.72 KB	39	2019-08-23 14:03:54

ใช้เวลา

0.038361 วินาที