基于YOLOv5的硬币识别系统设计与优化

1. 项目背景与核心价值

硬币在现代金融流通体系中依然扮演着重要角色，银行、超市、公交系统等场景每天都需要处理大量硬币清点工作。传统人工计数方式效率低下且容易出错，而市面上的商用清分机往往价格昂贵、体积庞大。这个项目正是为了解决这个痛点——通过机器视觉技术实现硬币的自动化识别与计数。

我去年在本地商业银行实习时，亲眼目睹柜员花费40多分钟清点一袋混合面值的硬币。这种低效操作促使我开发了这个系统，经过三个月的迭代优化，现在处理同样数量的硬币只需不到2分钟，准确率稳定在99.6%以上。

2. 系统架构设计

2.1 整体方案选型

系统采用"前端采集+云端处理"的混合架构：

• 前端：800万像素工业相机搭配环形LED光源
• 处理端：基于YOLOv5s的改进模型运行在NVIDIA Jetson Xavier NX
• 传输协议：RTSP视频流传输

选择YOLOv5而非更新的v7/v8版本，主要考虑到：

1. 硬币检测属于小目标密集场景，v5的FPN结构对2-5mm大小的硬币特征提取更有效
2. 在Jetson平台上的TensorRT加速支持更成熟
3. 模型体积仅14.4MB，满足边缘设备部署需求

2.2 关键组件参数

3. 核心算法实现

3.1 数据准备与增强

我们收集了包含12种常见硬币的标注数据集：

• 人民币：1元、5角、1角（新旧版）
• 外币：美元、欧元、日元等常见币种
• 数据量：原始图像3,200张，通过增强扩展到25,600张

特殊的数据增强策略：

1. 模拟硬币堆叠：随机擦除部分区域
2. 光照变化：调整HSV空间的V通道±30%
3. 运动模糊：添加5-15px的线性模糊

# 示例数据增强代码 transform = transforms.Compose([ transforms.RandomErasing(p=0.5, scale=(0.02, 0.1)), transforms.ColorJitter(hue=0, saturation=0, brightness=0.3), transforms.GaussianBlur(kernel_size=(5,15), sigma=(0.1,2.0)) ])

3.2 模型改进方案

在YOLOv5s基础上引入：

1. 注意力机制：在Backbone末端添加CBAM模块
2. 改进损失函数：使用SIoU替代CIoU
3. 自适应特征融合：BiFPN结构替换原PANet

改进后的模型在自建测试集上mAP@0.5从0.921提升到0.963，特别是对小面额硬币的识别准确率提升显著。

关键技巧：硬币识别中，边缘齿纹特征比中心图案更具区分度。我们在训练时对图像边缘区域给予更高采样权重。

4. 工程实现细节

4.1 图像预处理流水线

1. 背景分割：使用HSV色彩空间的饱和度通道进行OTSU阈值分割
2. 透视校正：检测硬币堆边缘，进行Homography变换
3. 光照均衡：CLAHE算法处理局部过曝/欠曝区域

// OpenCV实现示例 Mat clahe_apply(Mat src) { Mat lab, dst; cvtColor(src, lab, COLOR_BGR2Lab); vector<Mat> channels; split(lab, channels); Ptr<CLAHE> clahe = createCLAHE(2.0, Size(8,8)); clahe->apply(channels[0], channels[0]); merge(channels, lab); cvtColor(lab, dst, COLOR_Lab2BGR); return dst; }

4.2 多硬币重叠解决方案

针对堆叠硬币的识别难题，我们开发了三级处理策略：

1. 初级检测：YOLO输出所有候选框
2. 轮廓分析：对低置信度检测结果进行GrabCut分割
3. 几何验证：基于硬币直径先验知识过滤误检

5. 系统部署与优化

5.1 Jetson平台优化

关键优化措施：

1. 模型量化：FP32→INT8量化，速度提升2.3倍
2. 内存优化：使用TensorRT的显存池技术
3. 流水线处理：将图像采集与推理分线程运行

# TensorRT转换命令示例 ./trtexec --onnx=coin_yolov5s.onnx --fp16 --int8 --saveEngine=coin_yolov5s.engine

5.2 性能指标

6. 常见问题与解决方案

6.1 典型故障排查表

6.2 实际应用中的经验

1. 环境光干扰：在设备外围加装遮光罩效果显著
2. 新旧硬币区分：建议客户定期更新训练数据（每半年一次）
3. 外币识别：可通过在线API补充实时汇率查询功能

7. 扩展应用方向

当前系统已成功应用于：

• 商业银行硬币存款机
• 公交公司零钱清分系统
• 超市自助收银台的找零验证

未来可扩展：

1. 结合区块链技术实现硬币流通溯源
2. 增加磨损程度检测辅助残币回收
3. 适配纪念币等特殊币种的识别

这个项目最让我意外的是，原本为解决银行需求开发的系统，后来在收藏品鉴定领域获得了更多应用。许多钱币收藏者使用我们的识别系统来快速分类整理藏品，这促使我们增加了对历史货币的支持模块。