买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏国光信息产业股份有限公司申请的专利基于深度学习的多币种纸币冠字号识别方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114202759B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111503246.7，技术领域涉及：G06V30/19；该发明授权基于深度学习的多币种纸币冠字号识别方法和装置是由孔飞;张文强;赵炎君;徐明;巢新;王晓磊设计研发完成，并于2021-12-10向国家知识产权局提交的专利申请。

本基于深度学习的多币种纸币冠字号识别方法和装置在说明书摘要公布了：本发明公开了一种基于深度学习的多币种纸币冠字号识别方法和装置，属于纸币识别领域，所述方法包括：获取第一图像；所述第一图像为通过扫描设备扫描出的纸币图像；对所述第一图像进行预处理，并获得第一特征；所述第一特征包括纸币的币种、面额和面向；根据第一特征确定冠字号区域的位置，并截取、获得所述第二图像；所述第二图像为冠字号图像；预设第一模型；所述第一模型的构建基于深度学习的网络模型结构，利用冠字号样本数据对网络模型结构进行训练；通过第一模型识别所述第二图像，解码获得第二特征；所述第二特征为纸币的冠字号字符。本发明采用基于深度学习的冠字号识别方法，该方法识别速度快，准确率高，对多种纸币兼容性强。

本发明授权基于深度学习的多币种纸币冠字号识别方法和装置在权利要求书中公布了：1.一种基于深度学习的多币种纸币冠字号识别方法，其特征在于，所述方法包括： 获取第一图像；所述第一图像为通过扫描设备扫描出的纸币图像； 将第一图像输入预处理模型中，对所述第一图像进行预处理，并获得第一特征；所述第一特征包括纸币的币种、面额和面向；预处理模型采用轻量化网络结构mobilenet-V2，模型迭代优化的batchsize设为32，损失函数采用交叉熵损失函数； 根据第一特征确定冠字号区域的位置，并截取、获得第二图像；所述第二图像的获取方法包括：预先获取每种纸币的模板特征相对于第二特征之间的坐标关系；所述第二特征为纸币的冠字号字符；所述模板特征包括：预先对不同币种、不同面额的纸币扫描图片，并选取具有标志性的要素；根据所述第一特征匹配该种纸币所对应的模板特征；根据所述第一图像获取所述模板特征的位置；基于所述模板特征相对于第二特征之间的坐标关系定位冠字号区域在纸币图像中位置，并截取； 预设第一模型；所述第一模型的构建基于深度学习的网络模型结构，利用冠字号样本数据对网络模型结构进行训练；所述第一模型包括7个卷积模块和两层全连接层，按顺序连接；其中，第一模型输入数据尺寸为宽，高，通道数150,32,3的图片数据；第一卷积模块由一个卷积核为5,5的卷积层和一个relu层组成；第二卷积模块、第四卷积模块和第六卷积模块均相同，由一个卷积核为3,3的卷积层，一个Relu层，一个卷积核为1,1的卷积层和一个Relu层组成；第三卷积模块、第五卷积模块和第七卷积模块均相同，由一个卷积核为3,3的卷积层，一个relu层，一个BN层，一个卷积核为1,1的卷积层，一个BN层和一个relu层构成；第二卷积模块、第四卷积模块和第六卷积后各有一层池化层；两层全连接层接在7个卷积模块后，对卷积模块提取后的特征进行全连接提取；第一层全连接层输入维度为7个卷积模块提取后的数据特征维度，输出维度为数据特征维度的一半；第二层全连接层输入维度为数据特征维度的一半，输出维度为需要识别字符的种类数； 通过第一模型识别所述第二图像，解码获得第二特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏国光信息产业股份有限公司，其通讯地址为：213000 江苏省常州市钟楼经济开发区松涛路52号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。