Tổng quan nghiên cứu

Trong kỷ nguyên chuyển đổi số và tự động hóa chuỗi cung ứng, mã vạch đóng vai trò là phương tiện định danh hàng hóa thiết yếu, với hơn 90% sản phẩm tiêu dùng lưu thông trên toàn cầu ứng dụng tiêu chuẩn mã số mã vạch. Tuy nhiên, theo ước tính của ngành bán lẻ và vận tải logistics, khoảng 15% đến 20% các kiện hàng trong quá trình bốc dỡ và lưu thông gặp sự cố không thể giải mã do tem nhãn bị trầy xước, đứt nét, mờ nhòe hoặc nằm lệch góc so với mắt đọc. Các thiết bị quét truyền thống sử dụng cảm biến CCD hay chùm tia Laser thường chỉ phát huy hiệu quả trên bề mặt phẳng cố định và cự ly gần, hoàn toàn bất lực trước các trường hợp mã vạch bị xoay nghiêng hay biến dạng bề mặt. Thực tế này dẫn đến tình trạng ách tắc luồng phân loại hàng hóa, làm tăng chi phí quản lý và tạo cơ hội cho hàng giả, hàng nhái xâm nhập thị trường.

Để giải quyết triệt để rào cản trên, nghiên cứu tập trung xây dựng hệ thống nhận dạng mã vạch EAN-13 tự động bằng kỹ thuật xử lý ảnh số chuyên sâu. Mục tiêu then chốt của đề tài là xây dựng một chuỗi thuật toán có khả năng tự động chuẩn hóa góc nghiêng nhỏ hơn 90 độ, khử nhiễu, tăng cường độ tương phản, phân đoạn ngưỡng tự động và khôi phục dữ liệu ma trận nhị phân khi mã vạch bị đứt gãy. Nghiên cứu được triển khai thực nghiệm tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh vào năm 2018, khảo sát trực tiếp trên tập dữ liệu gồm 260 ảnh chụp quang học trong nhiều điều kiện chiếu sáng và tỷ lệ kích thước khác nhau. Kết quả nghiên cứu mang lại ý nghĩa học thuật và ứng dụng to lớn khi nâng cao tỷ lệ giải mã thành công lên trên 90%, giảm thiểu thời gian can thiệp thủ công của con người và mở ra giải pháp kiểm tra xuất xứ hàng hóa chính xác, tin cậy.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp liên ngành giữa lý thuyết mã hóa thông tin công nghiệp và các giải thuật xử lý ảnh số hiện đại:

  • Mô hình mã hóa tiêu chuẩn EAN-13: Hệ thống chuẩn quốc tế EAN-13 bao gồm 13 chữ số thập phân, được mã hóa dưới dạng 95 vạch logic đồng mức xen kẽ giữa vạch đen (mức logic 1) và vạch trắng (mức logic 0). Cấu trúc mã hóa gồm 3 vạch bắt đầu (101), 42 vạch bên trái mã hóa 6 chữ số đầu theo bảng mã chẵn lẻ L và G, 5 vạch phân cách trung tâm (01010), 42 vạch bên phải mã hóa 6 chữ số tiếp theo theo bảng mã R, và 3 vạch kết thúc (101). Chữ số thứ 13 là số kiểm tra được tính toán theo thuật toán modulo 10 với trọng số luân phiên 1 và 3 nhằm đảm bảo tính toàn vẹn dữ liệu.
  • Biến đổi Radon (Radon Transform): Đóng vai trò là công cụ toán học cốt lõi để phát hiện góc nghiêng. Phép biến đổi Radon chuyển đổi ảnh hai chiều sang miền tham số thông qua việc tính tích phân đường dọc theo các chùm tia chiếu song song ở các góc quét từ 0 đến 180 độ. Năng lượng tập trung cực đại trong miền Radon tương ứng chính xác với góc định hướng của các đường biên sọc mã vạch.
  • Các thuật toán biến đổi hình thái và phân đoạn ảnh: Nghiên cứu ứng dụng bộ lọc không gian trung bình với cửa sổ trượt kích thước 3×3 để triệt tiêu nhiễu cao tần; kỹ thuật cân bằng biểu đồ mức xám Histogram nhằm tối ưu hóa hàm phân bố mật độ xác suất; giải thuật dò biên Canny đa ngưỡng; và phương pháp phân đoạn ngưỡng tự động Otsu nhằm phân tách hoàn hảo vùng đối tượng và vùng nền dựa trên việc tối đa hóa phương sai giữa các lớp.

Phương pháp nghiên cứu

  • Cỡ mẫu và nguồn dữ liệu: Tập dữ liệu thực nghiệm gồm 260 ảnh chụp mã vạch thực tế từ máy ảnh quang học với kích thước gốc 2736×3648 pixels. Tập mẫu được phân bổ chi tiết thành 6 nhóm đặc thù: 50 ảnh mã vạch nằm ngang lý tưởng, 50 ảnh mã vạch nằm nghiêng ở nhiều góc độ ngẫu nhiên, 50 ảnh khảo sát cùng một mã vạch xoay ở các góc lệch dưới 90 độ, 60 ảnh kiểm tra tính bất biến tỷ lệ với 3 mức diện tích chiếm dụng lần lượt là 4/9, 1/4 và 1/9 khung ảnh, 25 ảnh mã vạch thẳng bị đứt nét trầy xước và 25 ảnh mã vạch nghiêng bị đứt nét nghiêm trọng.
  • Phương pháp chọn mẫu: Nghiên cứu áp dụng phương pháp chọn mẫu phân tầng có chủ đích, mô phỏng sát thực tế các biến dạng cơ học, quang học và góc chụp mà hàng hóa thường gặp phải trong môi trường công nghiệp.
  • Lý do lựa chọn phương pháp phân tích: Việc chuẩn hóa kích thước ảnh về độ phân giải mặc định 480×640 pixels và chuyển đổi sang ảnh xám theo tiêu chuẩn truyền hình NTSC (với các hệ số trọng số 0.2989 cho kênh Đỏ, 0.5870 cho kênh Xanh lá và 0.1140 cho kênh Xanh dương) giúp giảm tải hơn 70% dung lượng tính toán mà vẫn bảo toàn đầy đủ các đặc trưng hình học. Biến đổi Radon được ưu tiên thay cho biến đổi Hough vì độ ổn định cao hơn trước hiện tượng đứt gãy đường thẳng. Thuật toán Otsu toàn cục được chọn để triệt tiêu sự phụ thuộc vào việc thiết lập ngưỡng thủ công.
  • Timeline và môi trường phát triển: Toàn bộ thuật toán được lập trình, mô phỏng và kiểm thử hoàn chỉnh trong năm 2018 trên nền tảng phần mềm Matlab 2018a kết hợp giao diện đồ họa tương tác người dùng GUI.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm trên 260 mẫu ảnh đã chứng minh tính hiệu quả vượt bậc của chuỗi thuật toán xử lý ảnh được đề xuất:

  • Khả năng tự động xoay và chuẩn hóa góc nghiêng tuyệt đối: Thuật toán biến đổi Radon xác định chính xác 100% góc lệch của các mã vạch nằm nghiêng dưới 90 độ. Sau khi tìm được góc xoay chính xác, hệ thống tự động hiệu chỉnh đưa mã vạch về phương nằm ngang chuẩn, tạo điều kiện thuận lợi cho bước bóc tách vùng chứa mã vạch ra khỏi ảnh nền phức tạp.
  • Tối ưu hóa chất lượng ảnh và trích xuất biên rõ nét: Sự kết hợp giữa bộ lọc trung bình 3×3 và phép dò biên Canny với ngưỡng chuẩn hóa 0.8 đã loại bỏ hoàn toàn các chấm nhiễu xung quanh mà không làm suy giảm cấu trúc của 95 vạch logic. Bước cân bằng lược đồ Histogram giúp kéo dãn khoảng mức xám từ 0 đến 255, làm nổi bật rõ rệt độ tương phản giữa các vạch đen và khe trắng ngay cả trong điều kiện ảnh thiếu sáng.
  • Khôi phục thành công mã vạch bị đứt nét, tổn thương: Thuật toán tái tạo ma trận nhị phân m×n dựa trên phân tích tương quan tỷ lệ phân bố bit 1 và bit 0 dọc theo từng cột điểm ảnh đã khôi phục hoàn hảo các vạch bị mất dữ liệu. Đối với 50 ảnh mã vạch thẳng và nghiêng bị đứt nét vốn làm thất bại 100% các máy quét quang học thông thường, hệ thống xử lý ảnh của tác giả đã nhận dạng chính xác đạt tỷ lệ ước tính trên 90%.
  • Tính ổn định cao trước sự thay đổi kích thước: Hệ thống duy trì độ chính xác nhận dạng vượt trội khi kích thước mã vạch thay đổi từ mức chiếm 4/9 khung ảnh xuống còn 1/4 và 1/9 khung ảnh, khẳng định khả năng hoạt động ổn định không phụ thuộc vào cự ly chụp của thiết bị ghi hình.

Thảo luận kết quả

Thành công của nghiên cứu bắt nguồn từ kiến trúc xử lý tuần tự và bổ trợ lẫn nhau giữa các khâu tiền xử lý, phân đoạn và khôi phục logic. Việc đưa ảnh về kích thước đồng nhất 480×640 pixels trước khi trích xuất biên đã hạn chế tối đa chi phí xử lý ma trận lớn. So sánh với công bố quốc tế năm 2013 của Alessandro Zamberletti và các cộng sự vốn sử dụng biến đổi Hough đạt độ chính xác 84% khi nhận dạng góc nghiêng, phương pháp sử dụng biến đổi Radon kết hợp thuật toán khôi phục ma trận của luận văn này thể hiện sự vượt trội về độ ổn định và khả năng xử lý các dạng mã vạch bị suy giảm chất lượng vật lý nghiêm trọng.

Các dữ liệu thực nghiệm trong luận văn được hệ thống hóa trực quan thông qua các bảng tổng hợp kết quả nhận dạng chi tiết theo từng nhóm ảnh (bảng kết quả mã vạch nằm ngang, bảng mã vạch nằm nghiêng, bảng mã vạch đa kích thước và bảng khôi phục đứt nét). Đồng thời, các đồ thị phân tích sự suy giảm diện tích chiếm dụng từ 4/9 xuống 1/9 khung hình và đồ thị kết quả mô phỏng khôi phục ảnh đứt nét đã minh họa rõ ràng độ tin cậy của thuật toán, chứng minh biên độ dao động chính xác luôn được duy trì ở mức cao phục vụ tốt cho mục tiêu tự động hóa.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, nghiên cứu đưa ra 4 nhóm giải pháp mang tính ứng dụng thực tiễn cao:

  • Tích hợp vào dây chuyền kiểm soát kho vận tự động: Các doanh nghiệp logistics và sản xuất công nghiệp nên ứng dụng giải thuật xử lý ảnh này vào hệ thống camera quét băng chuyền tự động. Mục tiêu nâng tốc độ quét hàng hóa lên 30% đến 40%, giảm tỷ lệ hàng hóa bị từ chối do nhãn rách xuống dưới 2%, thực hiện trong lộ trình triển khai từ 6 đến 12 tháng.
  • Tối ưu hóa mã nguồn sang ngôn ngữ nhúng thời gian thực: Đội ngũ kỹ sư phần mềm cần chuyển đổi mã nguồn từ môi trường Matlab sang ngôn ngữ C++ hoặc Python kết hợp thư viện OpenCV để giảm thời gian xử lý xuống dưới 50 mili-giây cho mỗi khung hình, sẵn sàng tích hợp trên các thiết bị quét cầm tay hoặc máy tính bảng công nghiệp trong vòng 3 đến 6 tháng.
  • Xây dựng ứng dụng di động phục vụ người tiêu dùng: Cơ quan quản lý thị trường và Hiệp hội bảo vệ người tiêu dùng nên phối hợp với các đơn vị công nghệ phát triển ứng dụng di động tra cứu nguồn gốc xuất xứ hàng hóa dựa trên chuẩn EAN-13, hỗ trợ người dân tự quét mã kiểm tra hàng thật - hàng giả ngay cả khi tem nhãn trầy xước nhẹ.
  • Mở rộng phạm vi nghiên cứu sang mã vạch 2D và môi trường nhiễu phức tạp: Các nhóm nghiên cứu học thuật tại các trường đại học cần tiếp tục phát triển giải thuật để áp dụng đồng thời cho các định dạng mã 1D khác (như Code 39, Code 128) và mã hai chiều (QR Code, Data Matrix) trong điều kiện ánh sáng chói lóa hoặc góc nghiêng không gian 3 chiều.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho nhiều nhóm đối tượng:

  • Học viên cao học và nghiên cứu sinh chuyên ngành Xử lý ảnh, Thị giác máy tính: Nắm bắt phương pháp luận nghiên cứu thực nghiệm, kỹ thuật ứng dụng biến đổi Radon, thuật toán phân ngưỡng Otsu và phương pháp khôi phục ma trận nhị phân.
  • Kỹ sư phát triển hệ thống nhúng và thị giác công nghiệp (Computer Vision Engineers): Ứng dụng trực tiếp quy trình tiền xử lý, lọc nhiễu và giải mã EAN-13 để phát triển các module đọc mã vạch tự động trên các dây chuyền phân loại sản phẩm.
  • Doanh nghiệp bán lẻ, kho bãi thông minh và đơn vị vận chuyển logistics: Tham khảo giải pháp kỹ thuật nhằm cải tiến hệ thống nhận diện kiện hàng tự động, nâng cao năng suất vận hành và cắt giảm chi phí xử lý thủ công.
  • Cơ quan quản lý nhà nước và thanh tra thị trường: Tìm hiểu phương thức truy xuất nguồn gốc sản phẩm thông qua mã số mã vạch chuẩn hóa nhằm phục vụ công tác giám sát chất lượng và bảo vệ thương hiệu quốc gia.

Câu hỏi thường gặp

  • Hệ thống xử lý như thế nào khi mã vạch đầu vào bị xoay nghiêng một góc bất kỳ? Hệ thống sử dụng phép biến đổi Radon để chiếu ảnh theo các góc quét từ 0 đến 180 độ. Vị trí có giá trị tích phân năng lượng lớn nhất sẽ xác định chính xác góc nghiêng của các vạch sọc, từ đó ma trận ảnh được tự động xoay ngược lại để đưa mã vạch về phương nằm ngang chuẩn trước khi bóc tách và giải mã.

  • Thuật toán khôi phục mã vạch đứt nét hoạt động dựa trên nguyên lý nào? Thuật toán dựa trên ma trận nhị phân m×n của ảnh mã vạch sau phân đoạn. Hệ thống tiến hành quét theo từng cột dọc, tính toán số lượng và tỷ lệ phân bố giữa các điểm ảnh mức logic 1 và mức logic 0. Khi phát hiện các điểm đứt gãy bất thường, thuật toán sẽ tự động bù lấp dữ liệu để tái tạo các vạch liên tục đúng theo quy tắc hình học chuẩn.

  • Vì sao ảnh gốc kích thước lớn cần phải chuyển đổi về độ phân giải 480×640 pixels? Ảnh gốc chụp từ máy ảnh có độ phân giải cao 2736×3648 pixels chiếm dụng rất nhiều bộ nhớ RAM và làm chậm tốc độ tính toán. Việc chuyển đổi về kích thước mặc định 480×640 pixels giúp giảm đáng kể thời gian xử lý của bộ lọc trung bình và phép biến đổi Radon mà vẫn bảo toàn trọn vẹn đặc trưng biên của 95 vạch mã.

  • Nghiên cứu sử dụng phần mềm và công cụ gì để kiểm chứng thực nghiệm? Toàn bộ thuật toán trong luận văn được lập trình và mô phỏng trên nền tảng phần mềm Matlab 2018a. Hệ thống được tích hợp giao diện tương tác người dùng GUI cho phép quan sát trực quan kết quả của từng bước tiền xử lý, hình ảnh mã vạch sau khi xoay, biểu đồ lược đồ xám và bảng chuỗi 13 chữ số giải mã cuối cùng.

  • Hệ thống có nhận dạng được mã vạch khi diện tích bị thu nhỏ trong khung hình không? Hệ thống hoàn toàn nhận dạng tốt nhờ khâu tăng cường độ tương phản bằng cân bằng biểu đồ Histogram và phân đoạn Otsu. Khảo nghiệm thực tế trên 60 mẫu ảnh với các kích thước chiếm 4/9, 1/4 và 1/9 khung hình cho thấy hệ thống vẫn phân tách biên chính xác và trích xuất thành công chuỗi thông tin nguồn gốc xuất xứ.

Kết luận

  • Xây dựng thành công chuỗi giải thuật xử lý ảnh số khép kín, giải quyết toàn diện bài toán nhận dạng mã vạch EAN-13 trong điều kiện thực tế phức tạp.
  • Ứng dụng đột phá phép biến đổi Radon để xác định chính xác góc nghiêng dưới 90 độ và tự động chuẩn hóa mã vạch về phương ngang.
  • Đề xuất thuật toán phân tích ma trận cột nhị phân giúp khôi phục hoàn hảo các mã vạch bị mờ nhòe, đứt nét và biến dạng bề mặt.
  • Kiểm chứng hiệu quả vượt trội trên tập dữ liệu 260 ảnh chụp thực nghiệm, đạt độ chính xác giải mã cao trên giao diện phần mềm Matlab 2018a.
  • Định hướng tối ưu hóa giải thuật sang các nền tảng phần cứng nhúng thời gian thực và mở rộng sang chuẩn mã vạch 2D trong giai đoạn tiếp theo.

Hệ thống nhận dạng mã vạch bằng xử lý ảnh khẳng định tiềm năng ứng dụng to lớn trong quản lý chuỗi cung ứng hiện đại. Các nhà phát triển và doanh nghiệp quan tâm có thể tiếp cận khai thác cấu trúc thuật toán để tích hợp vào các giải pháp tự động hóa thông minh ngay hôm nay.