Bối cảnh và vấn đề nghiên cứu

Trong công tác quản trị tại các cơ quan, doanh nghiệp và cơ sở kinh doanh, quản lý chấm công là hoạt động nghiệp vụ nền tảng nhằm phản ánh chính xác thời gian làm việc của nhân viên, tạo cơ sở cho việc tính lương và tối ưu hóa quản lý nhân sự. Theo tác giả Võ Thành Thuận (2022), các phương thức chấm công truyền thống và bán tự động hiện nay đang bộc lộ nhiều điểm hạn chế:

  • Chấm công thủ công/sổ sách: Dễ sai sót, phụ thuộc vào ghi chép hoặc trí nhớ, tốn thời gian tổng hợp số liệu.
  • Chấm công bằng thẻ từ hoặc mạng Wi-Fi: Đòi hỏi người lao động phải luôn mang theo thẻ hoặc thiết bị di động, đồng thời thiếu tính xác thực do tồn tại tình trạng chấm công hộ.
  • Chấm công bằng sinh trắc học vân tay: Khó nhận diện chính xác khi tay người lao động bị ướt hoặc ra nhiều mồ hôi. Đặc biệt, trong bối cảnh dịch bệnh truyền nhiễm (như COVID-19), việc nhiều người cùng tiếp xúc trực tiếp lên đầu đọc vân tay làm tăng nguy cơ lây nhiễm chéo, trong khi thiết bị quét vân tay không thể vệ sinh thường xuyên bằng cồn.

Từ thực tiễn đó, đề tài "Hệ thống hỗ trợ chấm công tự động bằng camera AI" được thực hiện nhằm giải quyết bài toán chấm công không chạm, nâng cao tính minh bạch và tự động hóa quy trình quản trị nhân sự.

Mục tiêu và nhiệm vụ nghiên cứu:

  1. Nghiên cứu và tận dụng khả năng quan sát, nhận diện khuôn mặt tự động của thiết bị Camera AI (Hanet) để hỗ trợ quá trình chấm công nhanh chóng, không cần tiếp xúc vật lý.
  2. Xây dựng hệ thống phần mềm dạng ứng dụng web phục vụ đa cơ sở, tự động ghi nhận thời gian làm việc, hỗ trợ tổng hợp dữ liệu, báo cáo đi làm trễ/nghỉ làm và hỗ trợ tính lương theo công thức linh hoạt.
  3. Cung cấp giao diện tương tác trực quan cho hai nhóm đối tượng: Quản trị viên/Chủ cơ sở (quản lý nhân sự, phòng ban, ca làm việc, cấu hình thiết bị, công thức lương) và Nhân viên (theo dõi số ngày công, ngày nghỉ, số lần đi trễ).

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Quy trình nghiệp vụ chấm công hành chính, phương thức nhận diện khuôn mặt qua Camera AI Hanet và các kỹ thuật xây dựng ứng dụng web hiện đại (.NET Web API, Blazor WebAssembly).
  • Phạm vi không gian: Áp dụng cho các công ty, doanh nghiệp, cơ sở kinh doanh có nhu cầu quản lý chấm công và nhân sự tại một hoặc nhiều địa điểm.
  • Phạm vi chức năng: Quản lý thông tin nhân viên, phòng ban, chức vụ; quản lý ca làm việc và lịch chấm công; tiếp nhận dữ liệu check-in/check-out từ Camera AI; quản lý mức lương, lương tạm ứng, bảo hiểm, nghỉ phép và tính lương tự động; sẵn sàng cung cấp giao diện lập trình ứng dụng (API) phục vụ phát triển ứng dụng di động hoặc máy tính trong tương lai.
  • Thời gian thực hiện: Hoàn thành và bảo vệ vào tháng 05 năm 2022 tại Khoa Công nghệ Thông tin, Trường Đại học An Giang.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và công nghệ nền tảng

Đồ án tổng hợp và áp dụng các nền tảng kỹ thuật phần mềm và phần cứng sau:

  • Web API (RESTful API): Phương thức kết nối, giao tiếp dữ liệu giữa máy chủ và các ứng dụng thông qua giao thức HTTP/HTTPS với định dạng dữ liệu JSON/XML. Hệ thống sử dụng đầy đủ các thành phần như routing, controller, filter, model binder, IoC container, dependency injection.
  • ASP.NET Core (.NET 6.0 LTS): Nền tảng mã nguồn mở, đa nền tảng (Windows, macOS, Linux) do Microsoft phát triển, hỗ trợ kiến trúc gọn gàng, hiệu năng cao và khả năng triển khai linh hoạt trên Kestrel, IIS, Nginx, Docker. Phiên bản .NET 6 hỗ trợ lâu dài (Long Term Support) đi kèm ngôn ngữ lập trình C#.
  • Blazor WebAssembly (Client-side Blazor): Công nghệ thực thi mã C# trực tiếp trên trình duyệt web thông qua mã máy nhị phân WebAssembly (Wasm) mà không cần cài đặt plugin, giúp tận dụng tài nguyên xử lý ở phía client, cho phép ứng dụng phản hồi nhanh và có khả năng hoạt động offline sau khi tải xong assets.
  • Hệ quản trị cơ sở dữ liệu Microsoft SQL Server: Hệ quản trị cơ sở dữ liệu quan hệ (RDBMS/ORDBMS), quản lý lưu trữ dữ liệu tập trung, hỗ trợ bảo mật phân quyền và giao tiếp tối ưu với nền tảng .NET/C#.
  • Frontend & Giao diện: Sử dụng ngôn ngữ đánh dấu HTML, định dạng CSS, Javascript kết hợp framework giao diện Bootstrap để xây dựng giao diện tương thích đa thiết bị (responsive).
  • Thiết bị phần cứng Camera AI Hanet: Dòng camera thông minh tích hợp sẵn chip xử lý, RAM và bộ nhớ trong (Edge Computing), thực hiện thuật toán nhận diện khuôn mặt cục bộ ngay trên thiết bị. Thiết bị cung cấp bộ API mở để tích hợp vào các hệ thống quản lý bên ngoài.

Phương pháp nghiên cứu

  • Phương pháp phân tích - tổng hợp tài liệu: Tìm hiểu cấu trúc hoạt động của Web API, nền tảng .NET 6, Blazor WebAssembly, cơ sở dữ liệu SQL Server và tài liệu kỹ thuật API của hãng Hanet.
  • Phương pháp khảo sát và phân tích nghiệp vụ: Khảo sát luồng nghiệp vụ chấm công hành chính chuẩn (giờ làm việc 8h00–17h30, nghỉ trưa 12h00–13h30 từ thứ Hai đến thứ Sáu, theo dõi đi muộn, về sớm, nghỉ phép, tăng ca, tổng hợp công và chốt lương cuối tháng).
  • Phương pháp phân tích hệ thống hiện có: Đánh giá các giải pháp phần mềm đã có trên thị trường như Leopard, Happy Care để xác định nhược điểm (chỉ chạy trên hệ điều hành Windows, khó mở rộng sang nền tảng web hoặc thiết bị khác).
  • Phương pháp thực nghiệm kỹ thuật: Thử nghiệm gọi và xử lý các hàm API của Camera Hanet trên ứng dụng giao diện dòng lệnh (Console App), sau đó tiến hành phân tích thiết kế hệ thống và lập trình hoàn thiện ứng dụng web.

Nguồn dữ liệu

  • Dữ liệu định danh khuôn mặt và lịch sử điểm danh ghi nhận trực tiếp từ thiết bị Camera AI Hanet thông qua các endpoint API (Cloud API/Local API).
  • Dữ liệu quản trị nội bộ gồm hồ sơ nhân sự, danh mục phòng ban, chức vụ, bảng ca làm việc, quy định bảo hiểm, hạn mức tạm ứng và cấu hình công thức tính lương.

Thiết kế và triển khai

Hệ thống được thiết kế theo mô hình phân tầng, kết hợp giữa ứng dụng web client-side (Blazor WebAssembly), dịch vụ backend (ASP.NET Core Web API), cơ sở dữ liệu quan hệ (SQL Server) và nền tảng biên Camera AI Hanet.

+-------------------------------------------------------------+
|                     Client Interface                        |
|       (Blazor WebAssembly + Bootstrap: UI Sáng / Tối)       |
+------------------------------+------------------------------+
                               | (HTTP / JSON)
                               v
+-------------------------------------------------------------+
|                    ASP.NET Core Web API                     |
|         (Xử lý nghiệp vụ, phân quyền, tính lương)           |
+---------------+-----------------------------+---------------+
                |                             |
                v                             v
+-------------------------------+ +---------------------------+
|      Microsoft SQL Server     | |      Cloud API Hanet      |
|  (Lưu trữ nhân sự, ca làm,    | | (Đồng bộ nhân viên, hình  |
|   bảo hiểm, bảng chấm công)   | |  ảnh, lịch sử check-in)   |
+-------------------------------+ +-------------+-------------+
                                                |
                                                v
                                  +---------------------------+
                                  |     Camera AI Hanet       |
                                  |  (Nhận diện on-edge 0.25s,|
                                  |   khoảng cách 1-5m)       |
                                  +---------------------------+

Thông số kỹ thuật của Camera AI Hanet

Hệ thống tận dụng các đặc tính kỹ thuật của Camera AI Hanet để thực hiện chấm công tự động:

Tiêu chí Thông số / Đặc tính kỹ thuật
Kiến trúc xử lý Tích hợp Chip, RAM, Bộ nhớ trong (hoạt động như một máy tính thu nhỏ xử lý AI tại biên)
Tốc độ nhận diện 0.25 giây
Khoảng cách nhận diện Từ 1 đến 5 mét
Dung lượng lưu trữ khuôn mặt Lên đến 99.000 khuôn mặt
Cơ chế hoạt động khi mất mạng Nhận diện offline độc lập; tự động đồng bộ dữ liệu lên cloud khi có kết nối Internet trở lại
Nhận diện khi bị che chắn - Nếu che mũi/miệng (đeo khẩu trang): nhận dạng qua cụm mắt, lông mày, trán.
- Nếu che mắt (đeo kính râm): nhận dạng qua cụm mũi, nhân trung, miệng.
Cơ chế phản hồi tại chỗ Nháy đèn khi phát hiện người; phát âm thanh cảnh báo khi nhận diện nhân viên hoặc người lạ

Quy trình nghiệp vụ chấm công tự động

  1. Đăng ký nhân sự: Quản trị viên nhập thông tin nhân viên trên website và tải ảnh chân dung lên; hệ thống gọi API Hanet để đăng ký dữ liệu khuôn mặt xuống camera theo từng địa điểm cơ sở.
  2. Thực hiện check-in/check-out: Nhân viên xuất hiện trước tầm quét của camera (khoảng cách 1–5m). Camera quét và nhận diện khuôn mặt trong 0.25 giây, ghi nhận mốc thời gian và phát tín hiệu xác nhận.
  3. Đồng bộ và xử lý dữ liệu: Dữ liệu check-in được gửi về máy chủ thông qua API Hanet. Hệ thống đối chiếu thời gian quét với bảng cấu hình ca làm việc (giờ bắt đầu, giờ kết thúc, biên độ cho phép đi sớm/về muộn) để xác định trạng thái đi làm đúng giờ, đi trễ hoặc vắng mặt.
  4. Tổng hợp và tính lương: Dữ liệu chấm công hàng ngày được tổng hợp theo tháng, kết hợp với các tham số về mức lương cơ bản theo chức vụ/phòng ban, các khoản tạm ứng (tối đa không quá 1 tháng lương), bảo hiểm và công thức tính lương tùy chỉnh để kết xuất bảng lương.

Nội dung chính theo từng chương

Chương 1: Đặt vấn đề

Chương này trình bày lý do chọn đề tài xuất phát từ các bất cập của phương thức chấm công bằng giấy tờ, thẻ từ và đầu đọc vân tay trong các cơ quan, doanh nghiệp. Tác giả nhấn mạnh bối cảnh dịch bệnh COVID-19 đòi hỏi phải hạn chế tối đa việc tiếp xúc vật lý lên các bề mặt dùng chung. Đồng thời, chương xác định mục tiêu xây dựng một hệ thống hỗ trợ chấm công tự động thông qua camera AI nhằm nâng cao tính minh bạch, tiết kiệm thời gian và tối ưu hóa hiệu quả quản lý nhân sự.

Chương 2: Tổng quan cơ sở lý thuyết

Chương 2 phân tích bối cảnh, lịch sử giải quyết vấn đề và trình bày chi tiết nền tảng lý thuyết của các công nghệ được sử dụng:

  • Lịch sử giải quyết vấn đề: Nêu rõ các giải pháp trước đây của các công ty phần mềm như Leopard, Happy Care đã giải quyết được việc nhận diện người/nhân viên nhưng phần mềm chỉ chạy trên hệ điều hành Windows, khó mở rộng sang nền tảng khác.
  • Nền tảng công nghệ: Trình bày chi tiết về Web API (khái niệm, cách thức hoạt động trao đổi dữ liệu JSON/XML qua HTTP/HTTPS, ưu nhược điểm); ASP.NET Core và phiên bản .NET 6.0 LTS; công nghệ Blazor WebAssembly; framework Bootstrap; hệ quản trị CSDL Microsoft SQL Server; ngôn ngữ HTML, CSS, JavaScript.
  • Thiết bị phần cứng: Giới thiệu đặc tính của Camera Hanet (tốc độ nhận diện 0.25s, nhận diện 99.000 khuôn mặt, cơ chế xử lý khi đeo khẩu trang/kính râm, hoạt động offline).
  • Phân tích luồng nghiệp vụ: Mô tả chi tiết luồng nghiệp vụ chấm công hành chính (thời gian làm việc chuẩn từ 8h00 đến 17h30, nghỉ trưa 12h00 đến 13h30 từ thứ Hai đến thứ Sáu), vai trò của HR, Quản lý và Nhân viên trong việc chấm công hàng ngày và tổng hợp công cuối tháng.

Chương 3: Phân tích và thiết kế hệ thống

Chương 3 tập trung vào công tác phân tích yêu cầu, mô hình hóa và thiết kế chi tiết phần mềm:

  • Phân tích yêu cầu chức năng: Xác định 15 nhóm yêu cầu chức năng chính gồm: Dashboard, Quản lý nhân viên, Quản lý phòng ban, Quản lý tài khoản, Quản lý chức vụ, Quản lý mức lương, Quản lý tạm ứng, Quản lý lịch làm việc, Quản lý bảo hiểm, Xem danh sách check-in, Xem check-in nhân viên, Quản lý công thức tính lương, Tính lương theo công thức, Đăng nhập, Check-in.
  • Yêu cầu phi chức năng: Giao diện trực quan, hỗ trợ responsive đa nền tảng và trình duyệt, độ ổn định cao, bảo mật và phân quyền tài khoản chặt chẽ.
  • Thiết kế Use Case: Xây dựng sơ đồ Use Case tổng quát và 9 sơ đồ phân rã chi tiết (công thức lương, chức vụ, tài khoản, phòng ban, lương, giờ làm việc, nhân viên, chấm công, check-in). Cung cấp 37 bảng đặc tả use case chi tiết và các sơ đồ tuần tự (đăng nhập, đăng xuất, thêm/sửa/xóa chức vụ, tài khoản, nhân viên, phòng ban, ca làm việc).
  • Quy trình hoạt động & Tích hợp API Hanet: Trình bày sơ đồ quy trình đăng nhập, quản lý nhân viên, quản lý phòng ban, quản lý giờ làm việc, chấm công tự động, tính lương và quy trình tương tác với các API của Hanet (lấy danh sách thiết bị theo địa điểm, kiểm tra kết nối camera, lấy thông tin check-in trong ngày, đăng ký nhân viên, cập nhật ảnh, xóa nhân viên).
  • Thiết kế cơ sở dữ liệu và giao diện: Trình bày cấu trúc bảng dữ liệu và hệ thống giao diện người dùng phong phú (hỗ trợ chế độ giao diện sáng, giao diện tối, tùy chỉnh ảnh nền mỗi ngày; các màn hình quản lý tài khoản, danh sách/chi tiết nhân viên, thêm nhân viên bằng file Excel, lịch sử check-in, quản lý bảo hiểm, phòng ban, chức vụ, mức lương, lương tạm ứng, lịch chấm công, công thức lương, nghỉ phép, tính lương và xuất dữ liệu Excel).

Chương 4: Kết luận và hướng phát triển

Chương tổng kết các kết quả đạt được của hệ thống và của bản thân tác giả sau quá trình thực hiện đề tài. Hệ thống đã đáp ứng được hầu hết các yêu cầu đặt ra về nhận diện người chấm công, theo dõi thống kê số giờ/ngày làm việc, hỗ trợ tính lương nhân viên. Đồng thời, chương chỉ ra các mặt hạn chế và đề xuất hướng phát triển mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả đạt được

Hệ thống đã xây dựng hoàn chỉnh ứng dụng web tích hợp với Camera AI Hanet với các kết quả cụ thể:

Phân hệ / Chức năng Kết quả thực hiện thực tế trong đồ án
Tích hợp Camera AI Kết nối thành công API Hanet; tự động ghi nhận check-in với thời gian quét 0.25 giây; hỗ trợ nhận diện cả khi mất mạng tạm thời hoặc khi nhân viên đeo khẩu trang/kính râm.
Quản lý nhân sự & tài khoản Quản lý hồ sơ nhân viên, phòng ban, chức vụ; hỗ trợ nhập danh sách nhân viên hàng loạt từ file Excel; tự động tạo tài khoản khi thêm nhân sự; phân quyền người dùng (Admin, Quản lý, Nhân viên).
Theo dõi & Chấm công Module Dashboard hiển thị trực quan số lượng nhân viên đi làm, đi trễ, nghỉ làm; lưu trữ và tra cứu chi tiết lịch sử check-in theo ngày/tháng của từng nhân viên.
Quản lý tiền lương & chế độ Thiết lập bảng mức lương cơ bản theo chức vụ và phòng ban; quản lý hạn mức tạm ứng (không vượt quá 1 tháng lương); quản lý bảo hiểm và nghỉ phép; tùy biến công thức tính lương và hỗ trợ xuất bảng lương ra file Excel.
Giao diện người dùng Xây dựng trên Blazor WebAssembly hỗ trợ chế độ màn hình sáng (Light mode), màn hình tối (Dark mode) và thay đổi ảnh nền mỗi ngày; tương thích trên nhiều kích thước màn hình.

Đóng góp của đề tài

  1. Khắc phục hạn chế nền tảng của các giải pháp trước: Thay vì bị bó hẹp trong ứng dụng máy tính chỉ chạy trên hệ điều hành Windows như các phần mềm Leopard hay Happy Care, hệ thống của đề tài được triển khai trên nền tảng Web đa nền tảng, có thể truy cập linh hoạt từ nhiều loại thiết bị và trình duyệt khác nhau.
  2. Ứng dụng công nghệ mới: Đưa công nghệ Blazor WebAssembly kết hợp ASP.NET Core (.NET 6 LTS) vào bài toán quản trị nhân sự thực tế, giúp tối ưu hóa hiệu năng xử lý ở phía client và đơn giản hóa kiến trúc hệ thống.
  3. Cung cấp giải pháp thực tiễn cho bài toán vận hành không chạm: Đưa ra mô hình tích hợp hoàn chỉnh giữa phần cứng AI biên thương mại (Camera Hanet) và hệ thống phần mềm quản lý nội bộ, giải quyết triệt để bất cập vệ sinh dịch tễ và gian lận trong chấm công.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Hệ thống hoạt động dưới dạng ứng dụng web, phụ thuộc vào đường truyền Internet để đồng bộ và tương tác với các endpoint API của Hanet từ xa.
  • Do sử dụng Blazor WebAssembly, ở lần truy cập đầu tiên trình duyệt phải tải toàn bộ .NET Runtime và các tài nguyên về client, dẫn đến thời gian tải trang ban đầu còn chậm hơn so với các website truyền thống.
  • Chưa xây dựng ứng dụng chuyên biệt (native app) chạy trực tiếp trên các hệ điều hành di động (Android, iOS) hoặc máy tính cá nhân.

Hướng nghiên cứu tiếp

  • Tận dụng hệ thống Web API đã thiết kế để xây dựng và phát triển các ứng dụng di động (Mobile App) và ứng dụng máy tính (Desktop App) độc lập.
  • Tối ưu hóa hiệu năng tải trang và cơ chế lưu bộ nhớ đệm (caching) cho ứng dụng Blazor WebAssembly.
  • Mở rộng thêm các tính năng phân tích dữ liệu chuyên sâu về hiệu suất làm việc của nhân viên và tích hợp thêm các dịch vụ thông báo tự động.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực cho:

  • Sinh viên ngành Kỹ thuật Phần mềm, Công nghệ Thông tin: Là tài liệu tham khảo tốt về quy trình phân tích thiết kế hệ thống thông tin quản lý, phương pháp xây dựng tài liệu Use Case (với 37 bảng đặc tả chi tiết) và sơ đồ tuần tự theo chuẩn công nghệ phần mềm.
  • Lập trình viên và người nghiên cứu nền tảng .NET: Cung cấp hướng dẫn tham khảo về việc triển khai kiến trúc Blazor WebAssembly kết hợp ASP.NET Core Web API (.NET 6) và Microsoft SQL Server.
  • Các kỹ sư phát triển giải pháp IoT / AI Camera: Cung cấp mô hình tham khảo thực tế về việc tích hợp API phần cứng bên thứ ba (Camera AI Hanet) vào hệ thống quản lý nội bộ doanh nghiệp.

Câu hỏi thường gặp

1. Camera AI Hanet trong hệ thống xử lý nhận diện khuôn mặt như thế nào khi nhân viên đeo khẩu trang hoặc kính râm?
Camera AI Hanet sử dụng cơ chế trích xuất đặc điểm cục bộ: nếu phần mũi và miệng bị che (đeo khẩu trang), camera sẽ lấy cụm mắt, lông mày và trán làm đặc điểm nhận dạng; nếu phần mắt bị che bởi kính râm, camera sẽ chuyển sang nhận dạng dựa trên cụm bên dưới gồm mũi, nhân trung và miệng.

2. Tốc độ và khoảng cách nhận diện của camera AI được sử dụng trong đồ án là bao nhiêu?
Camera Hanet có tốc độ nhận diện khuôn mặt đạt 0.25 giây, cho phép chấm công tức thời trong phạm vi khoảng cách từ 1 đến 5 mét.

3. Khi bị mất kết nối Internet, hệ thống chấm công tại camera có tiếp tục hoạt động được không?
Camera Hanet hoạt động như một máy tính nhỏ tích hợp Chip, RAM và bộ nhớ trong, có khả năng lưu trữ và nhận diện chính xác tới 99.000 khuôn mặt ngay cả khi mất kết nối Internet. Khi có mạng trở lại, dữ liệu điểm danh sẽ tự động được đồng bộ lên hệ thống cloud.

4. Điểm khác biệt lớn nhất giữa hệ thống của tác giả và các phần mềm đã có trước đó (như Leopard, Happy Care) là gì?
Các hệ thống như Leopard hay Happy Care là phần mềm đóng gói chỉ chạy được trên hệ điều hành Windows, khó mở rộng cho các thiết bị và nền tảng khác. Hệ thống của tác giả được xây dựng trên nền tảng Web (ASP.NET Core API và Blazor WebAssembly), có tính tương thích cao trên nhiều thiết bị và hệ điều hành, đồng thời cung cấp sẵn Web API để mở rộng cho ứng dụng di động/PC trong tương lai.

5. Hệ thống quy định mức tiền lương tạm ứng cho nhân viên như thế nào?
Theo quy tắc nghiệp vụ được thiết kế trong chức năng Quản lý tạm ứng của hệ thống, số tiền tạm ứng của nhân viên được giới hạn không được vượt quá một tháng lương.

Kết luận

Khóa luận tốt nghiệp "Hệ thống hỗ trợ chấm công tự động bằng camera AI" của sinh viên Võ Thành Thuận đã giải quyết trọn vẹn bài toán tự động hóa quy trình chấm công và quản lý nhân sự tại doanh nghiệp. Bằng việc kết hợp công nghệ nhận diện khuôn mặt on-edge của Camera Hanet với nền tảng web hiện đại Blazor WebAssembly và ASP.NET Core (.NET 6), công trình đã tạo ra một hệ thống chấm công không chạm nhanh chóng, minh bạch và an toàn dịch tễ. Đồ án được trình bày bài bản từ khâu khảo sát nghiệp vụ, phân tích thiết kế chi tiết 37 use case cho đến triển khai giao diện và chức năng thực tế. Đây là tài liệu tham khảo hữu ích cho việc nghiên cứu và ứng dụng tích hợp camera AI vào các hệ thống phần mềm quản lý doanh nghiệp.