企业官网建设流程全解析

1. 项目概述：硬币分拣模拟器的实用价值

硬币分拣这个小需求，在超市收银台、自助贩卖机维修站、公交公司零钱处理中心每天都会真实发生。去年帮朋友便利店升级收银系统时，我们就用Python做了个简易分拣程序，单日处理3000+硬币的误差率小于0.5%。这次分享的改进版方案，通过直径检测实现全自动分类，还能实时统计金额，特别适合需要频繁处理大量零钱的场景。

传统人工分拣不仅效率低下（实测每人每小时最多处理800枚），而且容易因疲劳产生差错。我们的模拟器基于OpenCV图像处理技术，配合简单的物理传感器，可以在3秒内完成单枚硬币的识别分类。整套系统成本控制在200元以内，却能将分拣速度提升5倍以上。

2. 核心设计思路与技术选型

2.1 物理结构设计要点

硬币通道采用3D打印的30°倾斜轨道（PLA材料），宽度设置为25mm以适应最大尺寸的硬币。关键是在轨道末端安装红外对射传感器（型号E18-D80NK），其8mm的检测精度足以区分1元硬币（25mm）和5角硬币（21mm）的直径差异。

重要提示：传感器安装位置距离轨道末端应保持15-20cm，给硬币留出足够的制动距离，避免因惯性导致误检。

2.2 图像识别方案对比

测试了三种检测方案后，最终选择性价比最高的边缘检测法：

选择依据：硬币的规整几何特征使得边缘检测在保持较高精度的同时，对硬件要求最低。具体实现时用OpenCV的Canny算法，参数设置为：

edges = cv2.Canny(gray_image, threshold1=50, threshold2=150)

2.3 分拣机构实现

采用SG90舵机（¥15/个）控制挡板，响应时间20ms。关键是要设计分拣逻辑的优先级：

1. 直径>24mm → 1元硬币通道
2. 21mm<直径≤24mm → 5角硬币通道
3. 直径≤21mm → 1角硬币通道

3. 核心代码实现详解

3.1 直径检测算法

def measure_diameter(contour): # 获取最小外接圆 (x,y), radius = cv2.minEnclosingCircle(contour) diameter = round(radius * 2, 1) # 毫米转换（需提前校准像素比例） px_to_mm = 0.08 # 示例值，实际需用标定板测量 real_diameter = diameter * px_to_mm # 尺寸校验（过滤异常值） if 18 < real_diameter < 26: # 中国硬币直径范围 return real_diameter return None

3.2 多线程处理框架

为提高吞吐量，采用生产者-消费者模式：

from queue import Queue from threading import Thread coin_queue = Queue(maxsize=10) def capture_thread(): while True: img = camera.capture() coin_queue.put(img) def process_thread(): while True: img = coin_queue.get() diameter = detect_diameter(img) classify_coin(diameter)

4. 关键参数校准指南

4.1 像素比例校准

准备标准尺寸的参照物（如银行卡），运行校准程序：

python calibrate.py --reference 85.6 # 银行卡宽度85.6mm

程序会输出当前摄像头的px_to_mm比值，需保存到配置文件。

4.2 红外传感器调试

使用示波器观察传感器输出波形，调整：

• 检测距离：硬币通过时信号下降沿应保持≥5ms
• 灵敏度旋钮：避免环境光干扰导致的误触发

5. 常见问题解决方案

5.1 硬币堆叠检测

现象：多枚硬币粘连导致直径检测异常 解决方法：

1. 在轨道入口加装振动电机（型号310-101）
2. 图像处理时增加轮廓面积校验：

if cv2.contourArea(contour) > 2500: # 单个硬币最大像素面积 print("警告：可能发生堆叠")

5.2 不同年份版本识别

新版1元硬币(2019版)直径25mm，旧版(2000版)25.3mm。可在数据库中添加版本容差：

COIN_SPECS = { '1元': {'min':24.8, 'max':25.5}, '5角': {'min':20.8, 'max':21.2}, # ... }

6. 金额统计功能实现

6.1 实时统计看板

使用PyQt5构建可视化界面，关键数据结构：

class CoinCounter: def __init__(self): self.count = {'1元':0, '5角':0, '1角':0} self.total = 0.0 def update(self, coin_type): self.count[coin_type] += 1 self.total = self.count['1元']*1 + self.count['5角']*0.5 + self.count['1角']*0.1

6.2 数据持久化方案

采用SQLite存储交易记录：

import sqlite3 conn = sqlite3.connect('coin.db') conn.execute('''CREATE TABLE IF NOT EXISTS records (date TEXT, time TEXT, type TEXT, amount REAL)''')

7. 性能优化技巧

1. 图像采集降噪：在摄像头前加装偏振片（¥8），减少金属反光干扰
2. 算法加速：将OpenCV升级到4.7+版本，启用IPPICV加速
3. 机械优化：在分拣挡板边缘粘贴3M背胶毛毡（¥5/米），降低碰撞噪音

实测优化前后对比：

8. 扩展应用场景

1. 自动售货机维护：快速清点回收硬币箱
2. 银行柜台：零钱兑换业务预处理
3. 教育领域：货币识别教学演示
4. 游戏机厅：代币回收统计系统

在幼儿园的财商教育项目中，我们简化了硬件设计，改用彩色卡纸代替真实硬币，通过识别不同颜色圆片来模拟分拣过程，孩子们在游戏中就理解了货币面额概念。