Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Recolector de Cienci...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
Recolector de Ciencia Abierta, RECOLECTA
Bachelor thesis . 2017
License: CC BY NC ND
image/svg+xml Jakob Voss, based on art designer at PLoS, modified by Wikipedia users Nina and Beao Closed Access logo, derived from PLoS Open Access logo. This version with transparent background. http://commons.wikimedia.org/wiki/File:Closed_Access_logo_transparent.svg Jakob Voss, based on art designer at PLoS, modified by Wikipedia users Nina and Beao
versions View all 2 versions
addClaim

Identificación de papel moneda mediante reconocimiento de patrones

Authors: Salcedo Chanza, Francisco;

Identificación de papel moneda mediante reconocimiento de patrones

Abstract

Existen dos razones de gran peso por las que se desarrollan métodos y modelos que reconozcan y clasifiquen los distintos tipos de moneda; la pesadez de realizar un conteo de gran envergadura, con diferentes valores; y la facilidad con la que se puede copiar la imagen de uno de estos. Los bancos con el objetivo de ofrecer un servicio ágil a sus clientes tienen la necesidad de un método automatizado que sustituya la monótona tarea de comprobar y contar billetes o papel moneda. Si bien la tarea no parece tan monótona o repetitiva, cuando el número de billetes y su tipo (refiriéndose al valor monetario) aumentan, las circunstancias cambian. Debido a la gran cantidad de billetes que se utilizan en la actualidad (no solo cantidad, también en tipo), la necesidad de utilizar maquinas para su conteo aparece, y la necesidad de un procedimiento rápido y fiable para reconocer esta clase de documentos se vuelve indispensable. Dicho proceso no solo se contempla para aquellos casos en que se disponga de un gran número de documentos, sino también para la autentificación de estos. La utilización de imágenes bajo luz infrarroja o ultravioleta muestra distintas imágenes del mismo documento, que aportan posibilidades, tanto a su autentificación como a su clasificación. Desde el año 2000 se han presentado diversos modelos y soluciones al problema planteado, y la mayoría utilizan un modelo adaptativo conocido como Redes Neuronales (Neural Networks). El método muestra una gran eficiencia, y diversas formas de aplicarse además de distintas entre ellas, cada una con sus inconvenientes y sus ventajas. Aún así, todos estos modelos tienen un aspecto engorroso llamado “fase de aprendizaje” que es inherente al modelo. Principalmente implica un largo periodo de preparación de la maquinaria antes de poder utilizarse. No solo eso, sino que el rendimiento y correcto funcionamiento de la maquinaria pueden depender completamente de esta fase de entrenamiento. Lo que se quiere exponer en este proyecto es una solución a este largo periodo de preparación aplicando un método que, si su existencia y aplicación no es novedosa, si lo es la forma y ámbito que se presentan en estas páginas.

Country
Spain
Keywords

Billetes, Clasificación, Papel moneda, Señales independientes, Paper moneda

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green