Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tự động hóa công nghiệp 4.0, bài toán quản trị nhân sự và kiểm soát tài nguyên nội bộ đang đối mặt với nhiều thách thức lớn. Theo các khảo sát quản trị doanh nghiệp sản xuất, tình trạng thất thoát chi phí do quản lý thủ công, gian lận suất ăn công nghiệp và chấm công hộ chiếm từ 3% đến 5% tổng ngân sách vận hành hậu cần hàng năm. Các mô hình định danh truyền thống bộc lộ rõ sự bất cập về chi phí đầu tư, tốc độ đáp ứng và khả năng mở rộng.

Đồ án khóa luận tốt nghiệp ngành Kỹ thuật Máy tính (Trường Đại học Công nghệ Thông tin – ĐHQG-HCM) của tác giả Ngô Mãn Đạt, dưới sự hướng dẫn của ThS. Trương Văn Cương và ThS. Hồ Ngọc Diễm, đã tập trung giải quyết bài toán: Xây dựng hệ thống quản lý nhân viên và kiểm soát khẩu phần ăn bằng mã QR kết hợp công nghệ xử lý ảnh sinh trắc học thời gian thực.

+------------------+      RTSP (30 FPS)      +--------------------+      L2 Distance       +-------------------+
| Camera IP Stream | ----------------------> | OpenCV Core Engine | ---------------------> | PostgreSQL Vector |
+------------------+                         +--------------------+                        +-------------------+
                                                       |                                             |
                                              Match Verified (~7ms)                            ID Matched
                                                       |                                             |
                                                       v                                             v
                                             +--------------------+   ESC/POS Bitstream    +-------------------+
                                             | Web SPA Server     | ---------------------> | Xprinter XP-58IIH |
                                             +--------------------+                        +-------------------+

Mục tiêu nghiên cứu cụ thể

  1. Thu nhận luồng video thời gian thực: Ứng dụng giao thức truyền thông RTSP (Real Time Streaming Protocol) nhằm duy trì luồng hình ảnh liên tục ở tốc độ 30 khung hình/giây (FPS) từ camera giám sát.
  2. Định danh sinh trắc học độ trễ thấp: Ứng dụng thư viện thị giác máy tính OpenCV để phát hiện khuôn mặt, trích xuất đặc trưng thành vector embedding và thực hiện truy vấn khoảng cách hình học L2 với độ trễ xử lý thực nghiệm đạt xấp xỉ 7ms.
  3. Phát hành vé mã QR tự động: Tự động đối soát dữ liệu nhân viên, chuyển đổi ma trận QR thành chuỗi bit dữ liệu (bitstream) và điều khiển máy in nhiệt Xprinter XP-58IIH in vé khẩu phần ăn tức thời.
  4. Nền tảng quản trị tập trung: Xây dựng ứng dụng đơn trang (Single Page Application - SPA) hỗ trợ người dùng đăng ký, xác thực OTP email, tải lên nhiều ảnh huấn luyện và cho phép quản trị viên xuất báo cáo lịch sử in/quét ra định dạng bảng tính Excel.

Phạm vi và giới hạn

  • Phạm vi: Triển khai trong mạng cục bộ (LAN) hoặc máy chủ đám mây của doanh nghiệp, phục vụ trực tiếp tại nhà ăn và cổng kiểm soát nhân viên.
  • Giới hạn: Xử lý tối ưu trong điều kiện ánh sáng ổn định (200–500 lux), góc quay camera nghiêng không quá 45 độ so với trục thẳng diện khuôn mặt.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Thẻ từ RFID / NFC Máy quét vân tay quang học Hệ thống Camera QR đề xuất
Chi phí phần cứng Trung bình (mua thẻ định kỳ) Cao (thiết bị quét chuyên dụng) Rất thấp (tận dụng camera & máy in nhiệt)
Tốc độ xác thực 1 – 2 giây/lượt 2 – 4 giây/lượt (dễ kẹt khi tay ướt/bẩn) < 1 giây/lượt (Nhận diện 7ms + In 90mm/s)
Khả năng gian lận Cao (quẹt thẻ hộ, cho mượn thẻ) Rất thấp (sinh trắc học) Không thể gian lận (Khuôn mặt tạo QR 1 lần)
Độ bền thiết bị Dễ mất, gãy thẻ, hỏng chip Mắt đọc dễ xước, bám dầu mỡ Camera không tiếp xúc, đầu in bền 100km
Bảo trì & Mở rộng Phức tạp khi thay đổi nhân sự Cần nạp vân tay tại từng máy Cập nhật trực tuyến qua giao diện Web SPA

Phân loại yêu cầu theo mô hình MoSCoW

  • Must Have: Thu nhận luồng RTSP mượt mà; chuyển đổi khuôn mặt thành vector đặc trưng; tính toán khoảng cách vector trong cơ sở dữ liệu; in mã QR ra máy in nhiệt XP-58IIH; xác thực đăng nhập/đăng ký người dùng.
  • Should Have: Đồng bộ hóa vector nền (background worker) định kỳ 10 giây; nhận diện tốt khi đối tượng đeo kính; xuất dữ liệu chấm công/in ấn ra file Excel.
  • Could Have: Tải lên nhiều ảnh mẫu cùng lúc để tăng độ phủ đặc trưng khuôn mặt; tích hợp đăng nhập qua Google OAuth.
  • Won't Have (Giai đoạn này): Nhận diện khuôn mặt 3D chống giả mạo sâu (liveness detection hồng ngoại); tự động cắt suất ăn khi nhân viên nghỉ phép.

Thiết kế hệ thống

+----------------------------------------------------------------------------------------------------+
|                                    KIẾN TRÚC HỆ THỐNG TỔNG THỂ                                     |
+----------------------------------------------------------------------------------------------------+
|  [ Camera IP ] --(RTSP Stream: 30 FPS)--> [ OpenCV Pipeline ] --(Face Vector)----------------+     |
|                                                                                               |     |
|  [ Client UI (Web SPA) ] --(HTTP/REST)--> [ Web Server Node/Python ]                          |     |
|         ^                                         |                                           v     |
|         |                                  (Background 10s)                        [ PostgreSQL DB ]|
|         |                                         v                                (Embedding Table)|
|  [ Admin Dashboard ]                       [ Vector Generator ]                                     |
|  (Export Excel Reports)                           |                                                 |
|                                                   +------------> [ Xprinter Driver ]                |
|                                                                         | (Bitstream)               |
|                                                                         v                           |
|                                                                [ XP-58IIH Thermal Printer ]         |
+----------------------------------------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Xử lý luồng & Thị giác máy tính: OpenCV 4.x, FFmpeg Core (Lavc58.160 mpeg4/h264 codec), Python 3.10.
  • Backend & Vector Database: Web Server kiến trúc Microservices/RESTful, PostgreSQL kết hợp thư viện mở rộng tính toán khoảng cách vector (l2_distance), SQLAlchemy ORM.
  • Giao diện người dùng: Single Page Application (HTML5, CSS3, JavaScript ES6+ Fetch API), thư viện SheetJS/ExcelJS xuất báo cáo.
  • Phần cứng ngoại vi: Camera chuẩn RTSP độ phân giải Full HD (1920x1080), Máy in nhiệt trực tiếp Xprinter XP-58IIH (khổ giấy 57mm K57, độ phân giải 384 điểm/dòng, tốc độ 90mm/s, cổng USB 2.0).

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

  • Bảng users: id (UUID/AutoInt, Primary Key), name (VARCHAR), email (VARCHAR, Unique), password_hash (VARCHAR), role (ENUM: 'admin', 'employee'), qr_code_path (VARCHAR), created_at (TIMESTAMP).
  • Bảng face_embeddings: id (BigInt, PK), user_id (FK referencing users.id), image_url (VARCHAR), embedding_vector (ARRAY/VECTOR 128-D hoặc 512-D), is_vectorized (BOOLEAN, Default FALSE).
  • Bảng qr_print_logs: id (BigInt, PK), user_id (FK), print_time (TIMESTAMP), terminal_id (VARCHAR).
  • Bảng qr_scan_logs: id (BigInt, PK), user_id (FK), scan_time (TIMESTAMP), meal_session (VARCHAR: 'lunch', 'dinner'), status (VARCHAR: 'success', 'duplicate').

Phương pháp luận phát triển (Methodology)

Dự án áp dụng quy trình phát triển linh hoạt Agile/Scrum gồm 4 chu kỳ lặp (sprints) kéo dài trong 12 tuần:

  1. Sprint 1 (Tuần 1–3): Nghiên cứu giao thức RTSP, cài đặt môi trường OpenCV và cấu hình driver máy in nhiệt Xprinter qua cổng USB.
  2. Sprint 2 (Tuần 4–6): Hiện thực thuật toán trích xuất vector đặc trưng, tích hợp hàm tính khoảng cách L2 và tối ưu hóa câu truy vấn cơ sở dữ liệu.
  3. Sprint 3 (Tuần 7–9): Xây dựng Web SPA, module xác thực email OTP, chức năng tải ảnh hàng loạt và bộ lập lịch chạy ngầm 10 giây (setInterval).
  4. Sprint 4 (Tuần 10–12): Kiểm thử tích hợp toàn diện, đo lường benchmark độ trễ, tối ưu hóa kích thước chuỗi bitstream in nhiệt và hoàn thiện tài liệu kỹ thuật.

Implementation và kết quả

Chi tiết thuật toán và giải pháp kỹ thuật

Hệ thống sử dụng không gian vector để biểu diễn khuôn mặt. Khi camera nhận diện khuôn mặt mới, ảnh được chuẩn hóa và trích xuất thành vector $X = [x_1, x_2, \dots, x_n]$. Khoảng cách giữa vector quan sát và vector mẫu $Y = [y_1, y_2, \dots, y_n]$ trong cơ sở dữ liệu được xác định bằng công thức khoảng cách Euclid ($L_2$ Distance):

$$\text{Distance}(X, Y) = |X - Y|2 = \sqrt{\sum{i=1}^{n} (x_i - y_i)^2}$$

Nếu khoảng cách $\text{Distance}(X, Y) < \tau$ (ngưỡng xác thực thực nghiệm $\tau \approx 0.45 - 0.6$), hệ thống xác nhận trùng khớp danh tính.

# Đoạn mã thực thi so khớp Vector L2 và Truy vấn SQL tối ưu
import numpy as np
from sqlalchemy import func
from models import Session, ItemFaceEmbedding

def match_face_embedding(captured_vector, threshold=0.5):
    """
    Tìm kiếm đối tượng người dùng có khoảng cách L2 nhỏ nhất với captured_vector
    """
    session = Session()
    try:
        # Truy vấn tối ưu khoảng cách L2 trực tiếp trên tầng Database Engine
        nearest_record = session.query(
            ItemFaceEmbedding
        ).order_by(
            ItemFaceEmbedding.embedding.l2_distance(captured_vector)
        ).first()

        if nearest_record:
            dist = np.linalg.norm(np.array(nearest_record.embedding) - np.array(captured_vector))
            if dist <= threshold:
                return nearest_record.user_id, dist
        return None, float('inf')
    finally:
        session.close()

Để giải quyết tình trạng nghẽn cổ chai khi nhiều người dùng tải ảnh lên cùng lúc, hệ thống sử dụng một tiến trình bất đồng bộ chạy lặp mỗi 10 giây nhằm trích xuất trước vector embedding cho các hình ảnh mới:

// Worker xử lý Vectorize hình ảnh định kỳ (Background Process)
setInterval(async () => {
    try {
        const response = await fetch('/api/internal/pending-images');
        const unvectorizedImages = await response.json();
        
        if (unvectorizedImages.length > 0) {
            for (const item of unvectorizedImages) {
                const vectorResult = await extractFaceEmbedding(item.imageUrl);
                if (vectorResult.success) {
                    await fetch(`/api/internal/update-vector/${item.id}`, {
                        method: 'POST',
                        headers: { 'Content-Type': 'application/json' },
                        body: JSON.stringify({
                            embedding: vectorResult.vector,
                            isVectorized: true
                        })
                    });
                }
            }
        }
    } catch (error) {
        console.error("Lỗi tiến trình tạo Vector ngầm:", error);
    }
}, 10000);

Sau khi nhận diện thành công, hệ thống chuyển đổi ma trận QR thành chuỗi bit dữ liệu nhị phân (ESC/POS command) để gửi tới máy in:

# Chuyển đổi mã QR hình ảnh thành dữ liệu in nhiệt trực tiếp ESC/POS
def convert_qr_to_printer_bitstream(qr_image_matrix):
    header = b'\x1b\x40'  # Khởi tạo máy in ESC @
    align_center = b'\x1b\x61\x01'  # Canh giữa
    print_command = b'\x1d\x76\x30\x00'  # GS v 0 (In đồ họa raster bit)
    
    width_bytes = (qr_image_matrix.shape[1] + 7) // 8
    height_dots = qr_image_matrix.shape[0]
    
    # Đóng gói kích thước byte: xL, xH, yL, yH
    dimension_bytes = bytes([width_bytes % 256, width_bytes // 256, 
                             height_dots % 256, height_dots // 256])
    
    raster_data = bytearray()
    for row in qr_image_matrix:
        row_bits = 0
        bit_count = 0
        for pixel in row:
            bit = 1 if pixel == 0 else 0  # Điểm đen là bit 1 trong in nhiệt
            row_bits = (row_bits << 1) | bit
            bit_count += 1
            if bit_count == 8:
                raster_data.append(row_bits)
                row_bits = 0
                bit_count = 0
        if bit_count > 0:
            raster_data.append(row_bits << (8 - bit_count))
            
    cut_paper = b'\x1d\x56\x41\x00'  # Lệnh cắt giấy tự động
    return header + align_center + print_command + dimension_bytes + bytes(raster_data) + cut_paper

Kiểm thử và đánh giá hiệu năng

+----------------------------------------------------------------------------------------------------+
|                                    BIỂU ĐỒ BENCHMARK ĐỘ TRỄ HỆ THỐNG                               |
+----------------------------------------------------------------------------------------------------+
|  Thu nhận khung hình RTSP (30 FPS)      : [██████████████████████████████] 33.3 ms                  |
|  Phát hiện khuôn mặt (Face Detection)   : [███████                       ]  8.2 ms                  |
|  Trích xuất Vector Embedding            : [██████                        ]  6.8 ms                  |
|  So khớp khoảng cách Euclid L2 (SQL)    : [█                             ]  1.4 ms                  |
|  Sinh lệnh in & truyền Bitstream USB    : [████                          ]  4.5 ms                  |
+----------------------------------------------------------------------------------------------------+
|  TỔNG THỜI GIAN NHẬN DIỆN THỰC NGHIỆM   : ~ 7.0 - 8.2 ms (Thời gian tính toán thuật toán lõi)       |
+----------------------------------------------------------------------------------------------------+

Kết quả đo đạc thực tế

  • Độ ổn định luồng RTSP: Mã hóa Lavc58.160 duy trì ổn định ở tốc độ 30 FPS, tỷ lệ rớt khung hình (drop rate) bằng 0 trong điều kiện mạng nội bộ tiêu chuẩn.
  • Thời gian xử lý nhận dạng: Thời gian nhận diện thành công một khuôn mặt trung bình đạt ~7ms (tính từ thời điểm khuôn mặt được căn chỉnh đến khi trích xuất vector và đối soát L2).
  • Thử nghiệm vật cản: Hệ thống nhận dạng chính xác khuôn mặt đối tượng khi đeo kính mắt thông thường dựa trên ảnh gốc không đeo kính nhờ khả năng phân bổ trọng số đặc trưng đa vùng của thuật toán.
  • Tốc độ in mã QR: Máy in nhiệt Xprinter XP-58IIH xuất vé hoàn tất trong vòng 0.6 giây ở tốc độ in 90mm/s.

Đổi mới và đóng góp

  1. Cơ chế xác thực 2 pha linh hoạt (Two-Phase Hybrid Verification): Thay vì chỉ dựa hoàn toàn vào nhận diện khuôn mặt hoặc chỉ quét mã QR tĩnh, hệ thống kết hợp nhận diện sinh trắc học trực tiếp để kích hoạt in mã QR sử dụng 1 lần (Single-use QR Voucher), loại bỏ hoàn toàn tình trạng nhân viên chụp ảnh mã QR gửi cho nhau để nhận suất ăn hộ.
  2. Kỹ thuật Vector hóa nền bất đồng bộ (Asynchronous Background Vectorization): Việc phân tách luồng tạo vector (chu kỳ 10 giây) ra khỏi luồng xử lý Web chính giúp giảm tải CPU máy chủ đến 65% trong các khung giờ cao điểm đăng ký nhân sự.
  3. Đa dạng hóa tập mẫu đặc trưng (Multi-Sample Embedding Optimization): Cho phép người dùng đăng tải nhiều ảnh ở các góc độ và điều kiện ánh sáng khác nhau; cơ sở dữ liệu tính toán tập hợp vector đại diện giúp nâng cao độ chính xác nhận diện tổng thể đạt trên 98.5%.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

+----------------------------------------------------------------------------------------------------+
|                                    QUY TRÌNH PHỤC VỤ TẠI NHÀ ĂN                                    |
+----------------------------------------------------------------------------------------------------+
|  [ Nhân viên đứng trước Camera ]                                                                    |
|               |                                                                                    |
|               v (Thời gian định danh: ~7ms)                                                        |
|  [ Hệ thống nhận diện & đối soát L2 Database ]                                                     |
|               |                                                                                    |
|               v (Nhấn Enter hoặc tự động)                                                          |
|  [ Máy in XP-58IIH nhả vé mã QR suất ăn trong 0.6s ]                                               |
|               |                                                                                    |
|               v                                                                                    |
|  [ Nhân viên cầm vé QR quét tại quầy nhận khay ăn ]                                                |
|               |                                                                                    |
|               v                                                                                    |
|  [ Hệ thống ghi nhận trạng thái 'Đã nhận suất' -> Chống quét lặp ]                                 |
+----------------------------------------------------------------------------------------------------+

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit & ROI)

  • Doanh nghiệp quy mô 1.000 nhân viên:
    • Chi phí đầu tư giải pháp cũ: 3 máy chấm công vân tay/khuôn mặt chuyên dụng ($1.500 - $2.500) + Chi phí cấp phát thẻ từ thay thế hàng năm ($300/năm).
    • Chi phí triển khai giải pháp đề xuất: 2 Camera IP chuẩn RTSP ($80) + 2 Máy in nhiệt XP-58IIH ($60) + 1 Mini PC/Server vận hành ($300) = Tổng chi phí phần cứng ban đầu dưới $450.
    • Hiệu quả kinh tế: Tiết kiệm hơn 75% chi phí đầu tư thiết bị ban đầu, hoàn vốn (ROI) trong vòng 3 đến 5 tháng nhờ triệt tiêu hoàn toàn tình trạng thất thoát suất ăn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Hệ thống chưa tích hợp cảm biến đo chiều sâu hoặc camera hồng ngoại, do đó khả năng chống tấn công giả mạo (Anti-spoofing) bằng màn hình điện thoại độ nét cao ở cự ly gần vẫn còn là điểm cần cải tiến.
  • Chất lượng luồng RTSP phụ thuộc lớn vào băng thông mạng nội bộ; nếu mạng LAN bị nghẽn, độ trễ truyền khung hình có thể tăng từ 33ms lên 200ms.

Hướng phát triển mở rộng

  • Nhúng AI trên thiết bị biên (Edge AI): Tích hợp mô hình nhận diện trực tiếp lên các vi máy tính như NVIDIA Jetson Nano hoặc Raspberry Pi 4 để giảm tải hoàn toàn cho máy chủ trung tâm.
  • Tích hợp kiểm tra tính sống động (Liveness Detection): Bổ sung mô hình phát hiện cử động chớp mắt, xoay đầu nhẹ để nâng cao tiêu chuẩn an ninh sinh trắc học.
  • Ứng dụng di động PWA: Phát triển Progressive Web App cho phép nhân viên tự theo dõi lịch sử dinh dưỡng và số lượng calo khẩu phần ăn hàng ngày.

Đối tượng hưởng lợi

  • Sinh viên & Học viên CNTT: Nguồn tài liệu tham khảo hoàn chỉnh về cách tích hợp luồng video streaming RTSP với OpenCV, kiến trúc Web SPA và kỹ thuật lập trình điều khiển máy in nhiệt phần cứng qua giao thức ESC/POS.
  • Kỹ sư phần mềm & Lập trình viên nhúng: Mẫu thiết kế chuẩn (design pattern) cho bài toán xử lý vector khoảng cách L2 kết hợp cơ chế lập lịch xử lý nền bất đồng bộ (asynchronous background workers).
  • Doanh nghiệp & Đơn vị vận hành nhà ăn: Giải pháp tự động hóa chi phí thấp, triển khai nhanh, giải quyết triệt để bài toán thất thoát tài chính và tối ưu hóa thời gian phục vụ tại căng tin.
  • Nhà nghiên cứu thị giác máy tính: Cung cấp số liệu đo đạc thực nghiệm chi tiết về độ trễ (~7ms), tác động của vật cản (kính mắt) và các thông số mã hóa khung hình trong môi trường ứng dụng thực tiễn.

Câu hỏi thường gặp

1. Cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Máy chủ xử lý trung tâm cần tối thiểu CPU Intel Core i3 (thế hệ 8 trở lên) hoặc AMD Ryzen 3, 8GB RAM, ổ cứng SSD 128GB, hệ điều hành Linux (Ubuntu 20.04/22.04 LTS) hoặc Windows 10/11. Phía ngoại vi cần 1 Camera IP hỗ trợ RTSP (chuẩn H.264/MPEG-4, 1080p@30fps) và 1 máy in nhiệt khổ 57mm (như Xprinter XP-58IIH kết nối USB).

2. Hệ thống xử lý thế nào khi số lượng nhân viên tăng lên hàng chục nghìn người?

Khi quy mô nhân sự lớn, việc so khớp khoảng cách L2 tuyến tính sẽ được chuyển giao hoàn toàn cho cơ sở dữ liệu chuyên dụng hỗ trợ chỉ mục không gian vector (như pgvector với chỉ mục HNSW/IVFFlat trong PostgreSQL hoặc Milvus). Khi đó, thời gian tìm kiếm vector tương đồng vẫn được duy trì ở mức dưới 5ms cho tập dữ liệu 100.000 nhân viên.

3. Khả năng tích hợp với hệ thống ERP / HRM hiện hữu ra sao?

Kiến trúc Web Server cung cấp đầy đủ hệ thống RESTful API chuẩn JSON, cho phép các phần mềm quản trị nhân sự như SAP, Odoo, FastWork hoặc Base.vn dễ dàng đồng bộ dữ liệu nhân viên, lịch làm việc và ghi nhận trạng thái chấm công/suất ăn theo thời gian thực.

4. Chi phí bảo trì máy in nhiệt và camera định kỳ như thế nào?

Máy in nhiệt trực tiếp XP-58IIH không sử dụng mực in, chỉ sử dụng giấy cảm nhiệt K57 (chi phí khoảng 5.000 - 7.000 VNĐ/cuộn in được 400-500 vé). Đầu in nhiệt có độ bền chuẩn 100km giấy in, chi phí bảo dưỡng gần như bằng không trong 2-3 năm đầu vận hành.

5. Bài toán hoàn vốn (ROI) được tính toán cụ thể ra sao?

Với một nhà xưởng 1.000 công nhân, mức thất thoát ước tính 2% (tương đương 20 suất ăn/ngày, đơn giá 30.000 VNĐ/suất) tương ứng thất thoát 15.600.000 VNĐ/tháng. Với tổng chi phí đầu tư ban đầu khoảng 10.000.000 VNĐ cho cụm thiết bị, doanh nghiệp sẽ đạt điểm hòa vốn và bắt đầu sinh lời chỉ sau chưa đầy 1 tháng vận hành thực tế.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Ngô Mãn Đạt đã xuất sắc hiện thực hóa một giải pháp kỹ thuật toàn diện, giải quyết hiệu quả bài toán quản trị nhân sự và kiểm soát khẩu phần ăn công nghiệp. Bằng sự kết hợp khoa học giữa giao thức truyền thông RTSP, thư viện xử lý ảnh OpenCV với thuật toán khoảng cách Euclid L2, cùng cơ chế in vé mã QR trực tiếp qua máy in nhiệt Xprinter XP-58IIH, hệ thống đã chứng minh được tính khả thi vượt trội với độ trễ xử lý chỉ ~7ms và độ chính xác nhận diện trên 98.5%.

Mô hình không chỉ mang giá trị học thuật cao trong việc kết nối giữa thị giác máy tính và kỹ thuật web hiện đại, mà còn mở ra tiềm năng thương mại hóa mạnh mẽ cho các doanh nghiệp đang tìm kiếm giải pháp chuyển đổi số thông minh, tiết kiệm chi phí và nâng cao chất lượng môi trường làm việc.