Hệ Thống Kiểm Tra Lỗi In Bao Bì Sản Phẩm Dựa Trên Ký Tự Quang Học - Khóa Luận Tốt Nghiệp Công Nghệ Thông Tin

• Tác giả: Nguyễn Lê Thanh
• Người hướng dẫn: TS. Đỗ Trọng Hợp
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh - Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Hệ thống kiểm tra lỗi in bao bì sản phẩm bằng ký tự quang học
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: Lý do chọn đề tài
• 1.1. Đối tượng và phạm vi nghiên cứu
• 2. CHƯƠNG 2: Hướng tiếp cận
• 2.1. Các công trình liên quan
• 2.2. Khó khăn và thách thức
• 2.3. Hướng nghiên cứu
• 2.3.1. Phát hiện vùng chứa ngày tháng năm (Date Detection)
• 2.3.2. Phát hiện lỗi từ kết quả OCR
• 2.3.3. Phát hiện vị trí lỗi trên bề mặt bằng Deep Learning (Defect Detection)
• 3. CHƯƠNG 3: Convolutional Neural Network (CNN)
• 4. CHƯƠNG 4: Giới thiệu tổng quan
• 4.1. Tiền xử lý dữ liệu
• 4.2. Mô hình YOLOv8 + PaddleOCR + U-Net
• 4.3. Tham số huấn luyện
• 5. CHƯƠNG 5: ĐÁNH GIÁ VÀ KẾT QUẢ
• 6. CHƯƠNG 6: Những vấn đề gặp phải và hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

I. Hệ thống kiểm tra lỗi in

Hệ thống kiểm tra lỗi in được xây dựng nhằm phát hiện các lỗi in ấn trên bao bì sản phẩm thông qua ký tự quang học. Hệ thống này sử dụng các công nghệ hiện đại như Deep Learning và OCR để nhận diện và kiểm tra lỗi in một cách tự động. Mục tiêu chính là cải thiện chất lượng in ấn, giảm thiểu rủi ro khi sản phẩm hết hạn được đưa ra thị trường. Hệ thống này đặc biệt hữu ích trong ngành công nghiệp thực phẩm và dược phẩm, nơi thông tin in ấn chính xác là yếu tố quan trọng.

1.1. Quy trình kiểm tra lỗi

Quy trình kiểm tra lỗi bao gồm ba bước chính: phát hiện vùng chứa ngày tháng năm, nhận diện ký tự thông qua OCR, và kiểm tra lỗi in bằng Deep Learning. Hệ thống sử dụng các mô hình như Yolov8 và PaddleOCR để đảm bảo độ chính xác cao. Kết quả cuối cùng sẽ xác định sản phẩm có bị lỗi in hay không, đồng thời cung cấp thông tin ngày tháng năm chính xác.

1.2. Ứng dụng công nghệ thông tin

Ứng dụng công nghệ thông tin trong hệ thống này giúp tự động hóa quá trình kiểm tra, giảm thiểu thời gian và công sức so với phương pháp thủ công. Hệ thống có thể tích hợp vào dây chuyền sản xuất, giúp các công ty in ấn bao bì kiểm soát chất lượng sản phẩm một cách hiệu quả.

II. Phương pháp quang học

Phương pháp quang học được áp dụng để nhận diện và kiểm tra lỗi in trên bao bì sản phẩm. Hệ thống sử dụng ký tự quang học để phát hiện các lỗi in như mờ, nhòe, hoặc sai thông tin. Công nghệ này kết hợp với Deep Learning để tăng độ chính xác và hiệu quả trong việc phát hiện lỗi.

2.1. Công nghệ quang học

Công nghệ quang học bao gồm các kỹ thuật như OCR và phát hiện cạnh Canny để phân biệt ký tự với nền. Các phương pháp này giúp hệ thống nhận diện chính xác các thông tin in ấn, đặc biệt là ngày hết hạn, trên bao bì sản phẩm.

2.2. Phát hiện lỗi in ấn

Phát hiện lỗi in ấn được thực hiện thông qua các mô hình Deep Learning như Unet và SegDecNet. Các mô hình này có khả năng phát hiện các khuyết tật nhỏ và chi tiết trên bề mặt bao bì, đảm bảo chất lượng sản phẩm trước khi đưa ra thị trường.

III. Khóa luận tốt nghiệp CNTT

Khóa luận tốt nghiệp CNTT này tập trung vào việc xây dựng và phát triển hệ thống kiểm tra lỗi in dựa trên ký tự quang học. Nghiên cứu này đóng góp vào lĩnh vực công nghệ thông tin bằng cách ứng dụng các công nghệ hiện đại để giải quyết vấn đề thực tế trong ngành công nghiệp in ấn.

3.1. Đồ án tốt nghiệp CNTT

Đồ án tốt nghiệp CNTT này đã áp dụng các kiến thức về Deep Learning, OCR, và xử lý hình ảnh để tạo ra một hệ thống tự động kiểm tra lỗi in. Kết quả nghiên cứu cho thấy hệ thống có độ chính xác cao và khả năng ứng dụng thực tế rộng rãi.

3.2. Giá trị thực tiễn

Giá trị thực tiễn của nghiên cứu này nằm ở khả năng cải thiện chất lượng in ấn và giảm thiểu rủi ro trong sản xuất. Hệ thống có thể được tích hợp vào các dây chuyền sản xuất hiện có, giúp các công ty tiết kiệm chi phí và nâng cao hiệu quả kinh doanh.