假钞鉴别全解析：从防伪原理到智能鉴伪实践

一、假钞的定义与危害

假钞，又称伪钞，是指伪造或变造的货币。从技术视角看，假钞的本质是对真币防伪要素的非授权复制或篡改。无论采取何种手段，假钞都属于非法流通的仿制品，不仅直接损害持有人的经济利益，更会侵蚀公众对货币的信任、扰乱金融秩序，因此历来是货币发行与监管部门重点防范和打击的对象。

对于从事支付收银、自助设备、现金清分等系统开发的技术团队而言，理解假钞的成因、特征与识别方法，是构建相关鉴伪功能的知识前提。

二、伪造币与变造币：两类假钞的技术画像

假钞按造假路径可分为两大类，其漏洞分布各有侧重。

1. 伪造币：从无到有的整体仿制

伪造币通过仿照真币的图案、形状、色彩、尺寸乃至纸张质感，以制版印刷方式批量生成。由于造假者通常无法获得真币的专用纸张、凹版印刷设备与特种油墨，其漏洞高度集中在以下几点：

• 印刷模糊：线条边缘发虚、网点粗糙、细节丢失；
• 防伪特征缺失：没有真水印，而是用浅色油墨在纸面“画”出水印；安全线是印刷上去的线条而非嵌在纸张内部；
• 颜色与质感偏差：整体色调与真币存在肉眼可辨的差异。

2. 变造币：以真币为基础的改造

变造币则采用挖补、揭层、拼凑、涂改面额等手段改变真币原形态。例如将小面额真币的面额数字篡改为大面额，或将不同票券的局部拼接为一张。这类假钞往往保留了部分真实防伪特征，迷惑性更强，鉴别时必须整体检查票面的完整性、接缝痕迹与局部纹理是否连贯。

三、真币防伪体系：识别假钞的知识前提

要有效识别假钞，首先要理解真币防伪设计的多层防御思想：

1. 纸张层面：采用特殊原料与工艺的专用纸张，挺度好、耐久、透光均匀；
2. 印刷层面：主要图案采用凹版印刷，油墨堆积于纸面，形成可触摸的凹凸质感；
3. 光学与透光层面：固定人像水印在透光下层次分明、立体感强；安全线嵌于纸张之中，部分位置开窗露出；光变油墨随观察角度呈现颜色变化；
4. 信息层面：冠字号码唯一，可支撑流通管理与追溯；缩微文字、无色荧光图案等特征则供专业机具校验。

其核心思路是“双轨并行”：公众可感知的特征（看、摸、听）与专业机具可校验的特征（紫外、磁性、红外）互为冗余，确保单一特征被局部仿制时不至于全局失守。

四、人工识别四步法：看、摸、听、测

一看。 透光观察水印，真币水印层次丰富、与周围图案过渡自然，而假币水印背景常呈灰蒙蒙的差异、缺乏立体感；观察安全线的位置与形态是否规则；倾斜票面检验光变油墨的变色效果；比对票面整体颜色与立体感。尤其要留意图案细节，真币雕刻线条精细，人物肖像的毛发、眉毛与眼睛分界清晰，而典型假钞的破绽正是人物肖像左眉毛与眼睛相连接、轮廓含糊。

二摸。 真币的主要图案、盲文标记等部位凹印手感明显，指尖可感知油墨的堆积起伏；假币多为平版印刷，表面平滑。需注意长期流通的旧票手感会自然减弱，不能单凭此项下结论。

三听。 手持票币轻弹或抖动，真币专用纸张声响清脆；假币纸张绵软，声音沉闷。

四测。 借助紫外灯观察荧光图案与纸张反应，用放大镜检查缩微文字与印刷网点结构；存疑时送交银行或专业机构，借助机具进一步校验。

五、机器鉴伪：从传统机具到图像识别

传统机具鉴伪：点钞机、清分机等设备内置紫外、磁性、红外等多通道传感器，分别检测荧光反应、磁性油墨分布与红外吸收特性，毫秒级完成逐张判定。其原理与人工鉴别一致——采集信号、提取特征、与真币基准比对、综合判定。

图像识别鉴伪：随着成像成本下降，基于图像的方案日益普及，典型流程为：

1. 图像采集：高分辨率扫描或多光谱成像（可见光、紫外、红外）；
2. 预处理：几何校正、光照归一化、去噪，以及票面定位与感兴趣区域提取；
3. 特征提取：从水印、安全线、肖像等关键区域提取纹理与结构特征；
4. 比对判定：与标准模板计算相似度，或由分类模型输出真伪概率；
5. 综合决策：多特征加权融合，按阈值输出“通过/可疑”。

六、工程实践：多特征联合校验的示意实现

下面以通用伪代码说明多特征联合校验的核心逻辑（坐标与阈值均为示例，实际需按票样标定）：

# 示意代码：基于关键防伪区域的多特征联合校验（非特定框架实现）
# 关键防伪区域的归一化坐标（示例值）
ROI_CONFIG = {
    "watermark":  (0.30, 0.08, 0.46, 0.62),   # 水印区域
    "securiline": (0.47, 0.05, 0.53, 0.95),   # 安全线区域
    "portrait":   (0.55, 0.12, 0.92, 0.88),   # 人物肖像区域
}
def locate_note(img):
    """定位票面并做几何校正，输出正置图像"""
    ...
def to_gray(img):
    """转灰度并做光照归一化，弱化环境差异"""
    ...
def crop(gray, box):
    """按归一化坐标裁剪关键区域"""
    ...
def similarity(a, b):
    """结构相似度或归一化相关系数等通用图像度量"""
    ...
def judge(note_img, templates, threshold=0.85):
    gray = to_gray(locate_note(note_img))
    scores = {name: similarity(templates[name], crop(gray, box))
              for name, box in ROI_CONFIG.items()}
    # 多特征联合：任一关键区域相似度过低即判可疑，避免单特征漏判
    suspect = min(scores.values()) < threshold
    return suspect, scores

工程上有三点经验值得强调：其一，多特征冗余优于单特征，任何单一特征都可能被局部仿制；其二，阈值需用真实样本集标定，并考虑流通旧票磨损、污渍带来的特征退化，预留合理的容忍区间；其三，保留人工复核兜底，机具判定为可疑的票币应进入人工或专业仪器环节。事实上，自2011年起陆续出现的以TJ55、AZ88、M3W96等冠字号码开头的仿真假钞，在可见光下几乎与真币无异，部分高仿品必须借助紫外、红外、磁性等多模态信息乃至专业仪器才能鉴别，这正是“多特征冗余加人工复核”设计的现实依据。

七、常见误区与合规提示

• 误区一：仅凭冠字号码判断真伪。 央行已明确表示，冠字号码查询不等于真伪鉴定，冠字号码主要用于流通管理与追溯，并非防伪的充分条件。
• 误区二：单一特征下结论。 应至少交叉验证两至三类不同维度的特征，再作出判断。
• 误区三：忽视变造币。 真伪拼接的变造币部分区域确为真币，容易因“局部为真”而漏检，需检查票面完整性。
• 合规提示：明知是假币仍持有、使用均属违法行为。发现假钞应停止其流转，主动上交银行或移交公安机关，并配合登记，切勿图损失补偿而再次使用。

八、结语

货币防伪是材料、印刷、光学与信息技术的综合工程，鉴伪则是对这套防伪体系的逆向理解。无论人工鉴别还是机器判定，方法论是一致的：理解真币特征、识别仿制漏洞、多特征交叉验证。对技术团队而言，把“看、摸、听、测”的专家经验转化为可量化的特征工程与联合判定逻辑，再辅以严格标定的阈值与人工复核机制，正是构建可靠自动化鉴伪系统的起点。