Reconhecimento automático de cédulas do Real baseado em Máquinas de Vetores Suporte

Autores

Resumo

Redes neurais e sistemas inteligentes vêm sendo amplamente utilizados em diversas tarefas de identificação de padrões. Neste trabalho apresenta-se a implementação de um algoritmo inteligente desenvolvido em MATLAB®, com o objetivo de classificar e reconhecer cédulas do Real a partir do uso de uma Máquina de Vetor Suporte. São utilizados dados de treino na rede neural extraídos de diferentes imagens de diversas cédulas, empregando como parâmetros a “razão de maior lado por menor lado” e uma análise da matriz RGB de cores de cada cédula. A classificação das cédulas é feita a partir de uma imagem que contém um grupo aleatório de cédulas, essas cédulas são identificadas na imagem e em seguida tratadas para a extração dos parâmetros e posterior análise e classificação de acordo com a rede previamente treinada. Os resultados são apresentados por uma matriz de confusão sendo obtidas quarenta e quatro identificações corretas entre as cinquenta amostras apresentadas à rede

Biografia do Autor

Fernando Henrique Gomes Zucatelli, Universidade Federal do ABC

Doutorando em Engenharia Mecânica na Unicamp. Mestre em Engenharia de Mecânica da UFABC (2017). Graduado em Engenharia de Instrumentação, Automação e Robótica pela UFABC (2015), em Ciência e Tecnologia pela UFABC (2012), e em Tecnologia em Mecatrônica Industrial pela Faculdade de Tecnologia Termomecanica (2007). Já foi bolsista de iniciação científica da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). Tem experiência na área de Robótica, Mecatrônica e Automação. Atua com desenvolvimento de interfaces humano-computador e de sistemas de controle em Matlab.

Nathalia de Paula Silva, Universidade Federal do ABC

Graduada no curso de Engenharia de Instrumentação, Automação e Robótica pela Universidade Federal do ABC (2017) e tem interesse pelas linhas de pesquisa em Robótica Móvel e Inteligência Artificial.

Ricardo Suyama, Universidade Federal do ABC

Ricardo Suyama é Professor Adjunto na Universidade Federal do ABC (UFABC). Tem experiência na área de Engenharia Elétrica, com ênfase em Processamento Digital de Sinais, atuando principalmente nos seguintes temas: Separação Cega de Fontes, Equalização Cega, Algoritmos evolutivos. Possui graduação (2001), mestrado (2003) e doutorado (2007) em Engenharia Elétrica pela Universidade Estadual de Campinas.

Referências

ALIAGA, Daniel Kraemer. Redes Neurais Artificiais RBF . PGEAS - UFSC, SC, Brasil. Disponível em: <http://user.das.ufsc.br/~jomi/das9012/seminario-2013/RBF/

Daniel_Kraemer_Artigo_RBF.pdf>. Acesso em: 16, ago 2015.

ALTHAFIRI, Ebtesam, et.al,. Bahraini paper currency recognition. Journal of Advanced Computer Science and Technology Research, v. 2, n. 2, p. 104-115, 2012.

BERTANHA, Luiz L. et al. Recognition of Brazilian Currency Notes via Feature Point Extraction. In: . IX WVC 2013. vol. 9. Anais., Rio de Janeiro, 2013. Disponível em: < http://iris.sel.eesc.usp.br/wvc/Anais_WVC2013/Oral/1/2.pdf >. Acesso 06, Set 2016

BCB – Banco Central do Brasil. Segunda Família do Real. Disponível em:

<http://www.bcb.gov.br/novasnotas/index.html>. Acesso em: 14, ago 2015.

BCB – Banco Central do Brasil. Aplicativo: Dinheiro Brasileiro. Disponível em:

<https://play.google.com/store/apps/details?id=br.gov.bcb.mobile.android.appnotas&hl=pt_BR>. Acesso em: 09, set 2016.

BRAGA, Antônio de Pádua. et. al., Redes Neurais Artificiais, Teoria e Aplicações. 2. Ed. LTC, 2007.

DARAEE, F.; MOZAFFARI, S., Eroded money notes recognition using wavelet transform. Machine Vision and Image Processing (MVIP), 2010 6th Iranian, vol., no., pp.1-5, 27-28 Oct. 2010

DINIZ, F.A. , et.al. RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces: comparação com diferentes classificadores.

Revista Brasileira de Computação Aplicada (ISSN 2176-6649), Passo Fundo, v. 5, n. 1, p. 42-54, abr. 2013

FROSINI, A.; et.al, A neural network-based model for paper currency recognition and verification, IEEE Transactions on Neural Networks, vol. 7, no. 6, pp. 1482-1490, Nov 1996. doi: 10.1109/72.548175

GUO, J., et. al., A reliable method for paper currency recognition based on LBP, 2010 2nd IEEE InternationalConference on Network Infrastructure and Digital Content, Beijing, 2010, pp. 359-363. doi: 10.1109/ICNIDC.2010.5657978

HASSANPOUR, H., et. al., Feature extraction for paper currency recognition, Signal Processing and Its Applications, 2007. ISSPA 2007. 9th International Symposium on, Sharjah, 2007, pp. 1-4. doi: 10.1109/ISSPA.2007.4555366

HAYKIN, Simon. Redes Neurais: Princípios e Prática. 2. Ed. Bookman, 2001.

HIGA, Júlio César Kiyuna.. Desenvolvimento de técnicas para detecção e reconhecimento automático de números de série para cédulas de Real. 2015. Disponível em: <http://bdm.unb.br/handle/10483/11047>. Acesso 06, Set 2016

LOPES, Fabrício Martins. Introdução ao Reconhecimento de Padrões e aplicações em problemas de Bioinformática. Grupo de Pesquisa em Bioinformática e Reconhecimento de Padrões da UTFPR, 2012. Disponível em: <http://www.ime.usp.br/posbioinfo/cv2012/ reconhecimentoPadroes_FabricioLopes.pdf>. Acesso em: 11, ago 2015.

MATHWORKS. Support Vector Machines (SVM). Disponível em:

<http://www.mathworks.com/help/stats/support-vector-machines-svm.html>. Acesso em: 11, ago 2015.

QIAN, Ji. et. al. A Digit Recognition System for Paper Currency Identification Based on Virtual Instruments. 2006 International Conference on Information and Automation, Shandong, 2006, pp. 228-233. doi: 10.1109/ICINFA.2006.374117

REZENDE, Solange Oliveira, Sistemas inteligentes: fundamentos e aplicações. 1. Ed. Manole, 2003. ISBN 85-204-1683-7

TAKEDA, F.; OMATU, S. A neuro-money recognition using optimized masks by GA. In: Advances in Fuzzy Logic, Neural Networks and Genetic Algorithms. Springer Berlin Heidelberg, 1994. p. 190-201.

TAKEDA, F.; NISHIKAGE, T. Multiple kinds of paper currency recognition using neural network and application for Euro currency, Neural Networks, 2000. IJCNN 2000, Proceedings of the IEEE-INNS-ENNS International Joint Conference on, Como, 2000, pp. 143-147 vol.2. doi: 10.1109/IJCNN.2000.857888

TEIXEIRA, Victor Vequetini.; et.al. Aplicativo identificador de cédulas para deficientes visuais. Revista de Informática Aplicada, v. 11, n. 1, 2016. Disponível em:

< http://www.ria.net.br/index.php/ria/article/view/139/151>. Acesso 06, Set 2016

ZHANG, Er-Hu, et. al. Research on paper currency recognition by neural networks, Machine Learning and Cybernetics, 2003 International Conference on, 2003, pp. 2193-2197 Vol.4. doi: 10.1109/ICMLC.2003.1259870

Downloads

Publicado

2017-10-24

Edição

n. 2

Seção

Engenharia de Computação

Licença

Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, de forma gratuita, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

    1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).