使用深度学习模型,为视力受损者识别埃及货币
Ahmed M Ghanem1,2, Hassan A Youness3, Mohamed Wahba4
1Department of Computers & Systems Engineering, Faculty of Engineering, Minia University, Minya, 61519, Egypt. ahmed.addo.pg@eng.s-mu.edu.eg.
Scientific reports
|October 1, 2025
概括
本研究介绍了使用先进的人工智能模型实时识别埃及货币系统,以帮助视障人士管理资金. YOLOv10表现出卓越的表现,提高了财务独立性和可访问性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 辅助技术 辅助技术 辅助技术
背景情况:
- 视障人士在独立的金融交易中面临挑战.
- 现有的货币识别系统往往对区域货币缺乏准确性.
- 需要高效可靠的辅助技术来实现金融包容.
研究的目的:
- 开发和评估一个实时的埃及货币识别系统.
- 加强视力受损用户的财务独立性和安全性.
- 为了比较YOLOv8,YOLOv9和YOLOv10在纸币识别方面的性能.
主要方法:
- 使用深度学习模型:YOLOv8,YOLOv9和YOLOv10.
- 在2000张注释的埃及纸币图像数据集上训练和评估模型.
- 纳入了诸如上下文聚合,GELAN和无NMS培训等创新.
主要成果:
- YOLOv10实现了最高的性能指标:0.9678精度,0.9715 F1得分和0.9934 mAP@0.5.5.
- 开发的系统在识别埃及纸币方面表现出高精度和低延迟.
- 性能超过了YOLOv8和YOLOv9,以及传统的方法.
结论:
- 这种新型的人工智能系统显著改善了对视力受损用户的埃及货币识别.
- YOLOv10为可访问的人工智能应用提供了一个可扩展和实用的解决方案.
- 该系统促进了金融包容性,并支持辅助技术的进步.


