Chương 1: Giới thiệu tống quan về đề tài 1. Bài toán về phân loại công văn bằng hình ảnh: Cách mạng công nghiệp 4.0 sử đụng các sản phẩmứng dụng công nghệ thông tin trí tuệ cao dé giải quyết hiệu quả các hoạt động nghiệp vụ trên nhiều lĩnh vực chuyên môn. Đặc biệt, thủ tục giấy tờ ngày càng sử dụng nhiều ứng dụng của Internet vạn vật (IoT), trí tuệ nhân tạo (AT), dữ liệu lớn. Do đó, các thủ tục giấy tờ sẽ đạt tiêu chuẩn một cách nhanh chóng, hiệu qua và tiết kiệm chi phí.
Theo Quyết định số 28/2018 / QD-TTg [4] ngày 7 tháng 12 năm 2018 của Thủ tướng Chính phủ về việc gửi và nhận đường truyền điện tử trong hệ thống hành chính công, đường truyền điện tử có giá trị pháp lý và hiệu lực thi hành. văn bản chính thức đã trở thành phương tiện liên lạc, trao đôi thông tin, truyền tải mệnh lệnh chính giữa các cơ quan. tô chức và cần được số hóa, lưu trữ. xây dựng mô hình trí tuệ nhân tạo giúp phân loại công văn và phục vụ số hóa tai liệu.
SAOY Uy ban sân đản thành phố Đá Ning a Thdi gian ký: 1001/2022 09:22:11 +07:00 UY BAN NHÂN DAN CONG HOA XA HOI CHU NGHIA VIET NAM THANH PHO DA NANG Độc lập - Ty do - Hạnh phúc Số: 442 /UBND.SYT Đà Nẵng, ngày 08 thang OF năm 2022 Viv kiểm soát, phòng, chống dich COVID-19 tại vùng cách ly y tế (khu vực phong tỏa) Kính gửi: ~ Các cơ quan thành viên Ban Chỉ đạo phòng, chống địch COVID-19 thành phố Đà Nẵng; - UBND các quận, huyện. Căn cứ Nghị quyết số 128/NQ-CP ngày 11/10/2021 của Chính phù, Quyết định số 4800/QD-BYT ngày 12/10/2021 của Bộ Y tế, căn cứ thực tế tinh hình dịch bệnh và mức độ bao phủ vắc xin phòng COVID-19 trên địa bàn thành phố Đà Nẵng; xét để nghị của Sở Y tế tại Tờ trình số 34/TTr-SYT ngảy 05/01/2022, để thống nhất thực hiện các biện pháp kiểm soát, phòng, chống dich COVID-19 tại vùng cách ly y tế (khu vực phong tỏa) trên địa ban thành phố Da Nẵng, Chủ tịch UBND thành phổ có ý kiến chỉ đạo như sau: 1. Thống nhất áp dụng thời gian thiết lập vùng cách ly y tế (khu vực phong tỏa) tối thiểu 07 ngày ké từ ngày ghi nhận ca mắc COVID-19 cuỗi cùng chưa được cách ly trước đó của khu vực. Tùy theo diễn biển tình hình dịch mà thời gian phong tỏa có thể kéo dai hơn.
Sau 07 ngày, dựa vào diễn biến tình hình dịch để đánh giá lại nguy cơ. Nếu hết nguy cơ hoặc nguy cơ lây lan cộng đồng thấp thi kết thúc phong tỏa hoặc thu hẹp phạm vị phong tỏa ở mức gọn nhất, chỉ khu trú ở một số hộ gia đình xung quanh ca mắc mới. Nếu nguy cơ lây lan còn cao thi tiếp tục kéo đải thời gian phong tỏa. Trường hợp khu vực phong tỏa có dưới 95% người trong độ tuổi tiêm vắc xin phòng COVID-19 theo quy định được tiêm đủ liễu vac xin phòng COVID-19 thi thời gian thiết lập phong tỏa ít nhất 14 ngày.
UBND các quận, huyện, các cơ quan thành viên Ban Chi đạo ph chống dịch COVID-19 có trách nhiệm phối hợp với Sở Y tế phổ biến, hướng die chỉ đạo triển khai, giám sát việc thực hiện các biện pháp kiểm soát, phòng, chống dịch COVID-19 tại khu vực phong tỏa theo hướng dẫn của ngành y tế (Công văn số 6059/SYT-NVY ngày 06/12/2021 của Sở Y tế về việc đánh giá, thiết lập vùng cách ly y tế (phong toa) tai cộng đông); xử lý nghiêm các trường hợp vi phạm, gây ảnh hưởng đến công tác phòng, chống dịch trên địa ban. Nhận được Công văn nảy, để nghị các cơ quan, đơn vị, địa phương triển khai thực hiện; kịp thời báo cáo, đề xuất xử lý các khó khăn, vướng mắc vượt thẩm quyền; đảm bảo hiệu quả công tác phòng, chống dịch trên địa bàn./, We Noi nhận: KT. CHU TICH -~ TI HE TU, TT HĐND ‘6 CHỦ TỊCH (báo cáo; - CT, các PCT UBND TP (bảo cáo); - Các sử, ban, ngành, hội, đoàn thé TP; hề, - CVP, sác PCVP; Wal ei - Lue: VT, SYT, — 1€ Hình 1. 1: Hình ảnh công văn 1.
Mục tiêu thực hiện của dé tài Bài toán được đặt ra ở đây là việc văn bản điện tử chính thức đã trở thành phương tiện liên lạc, trao đôi thông tin, truyền tải mệnh lệnh chính giữa các cơ quan, tô chức và cần được số hóa, lưu trữ. Thì yêu cầu mà hệ thông phân loại và lưu trữ các loại công văn phải có độ chính xác cao và tốc độ xử lý nhanh. Bài toán được mô tả như sau: e Input ; Ảnh công văn đầu vào e Output: Tên công văn được phan loại © Dieu kiện ràng buộc: dau vào là file ảnh công van(jpg, png, ._ Kết quả công | Kĩ thuật xử ) Mô hình trí ) phân văn đầu lí ảnh tuệ nhân tạo loại vào công văn Hình 1. 2: Ứng dụng trí tuệ nhân tạo để tự động phân loại công văn và phục vụ số hóa tài liệu 1.
Hướng tiếp cận và giải pháp cho bài toán phân loại 1. Hướng tiếp cận Bài toán của đề tài được chia thành 2 nhiệm vụ chính đó là: + Nhiệm vụ thứ nhất: Trích xuất kí tự văn bản từ hình ảnh (OCR) + Nhiệm vụ thứ hai: Phân loại đoạn kí tự được trích xuất (Text Classification) Đôi với nhiệm vu thứ nhất, bài toán OCR ( Optical Character Recognition) hay còn gọi là Nhận dạng ký tự bằng quang học. Day là công nghệ được áp dụng dé đọc kí tự trên một tệp ảnh thành định dang kí tự. OCR ngày càng được sử dụng nhiều hơn dé số hóa trong các ngành công nghiệp khác nhau nhằm cắt giảm khối lượng công việc thủ công.
Diều nảy làm cho việc trích xuất và lưu trữ thông tin từ các tai liệu kinh doanh, biên lai, hộ chiếu, v. trở nên rất dé đảng và hiệu quả. Ngoài ra, khi ban tải lên tài liệu của minh cho KYC ( Know Your Customer), OCR được sử dụng dé trích xuất thông tin từ các tài liệu này và lưu trữ chúng để tham khảo trong tương lai. Việc số hóa sử dụng OCR rõ ràng có những lợi thể rộng rãi như lưu trữ và thao tác văn bản dé dàng, chưa ké đến lượng phân tích khó lường mà bạn có thé áp dụng cho dit liệu này.
Ngoài những lợi ich của OCR đem lại cho bài toán thì cũng có một số khó khăn đối với đề tai như là kí tự văn bản là tiếng Việt, OCR chỉ nhận dang được khoảng 80— 90% trên hình ảnh rõ nét, khó có thé nhận dạng được chữ viết tay. Đối với nhiệm vụ thứ hai, bài toán Text Classification hầu hết các phương pháp máy học áp dụng cho bài toán phân loại văn bản đều sử dụng cách biêu diễn văn bản đưới đạng véc tơ đặc trưng. Điểm khác biệt duy nhất chính là không gian đặc trưng được chọn lựa. Tuy nhiên ở đây ta thay nay sinh mot số van đề cơ bản: Số lượng từ xuất hiện trong văn bản sẽ rất lớn.
Như vậy, mỗi VÉC to có thé có hang ngàn đặc trưng, hay nói cách khác mỗi véc tơ sẽ có số chiều rất lớn. Do vậy các véc tơ sẽ không đông nhất về kích thước. Đề giải quyết van dé thông thường chúng ta sẽ lựa chọn đặc trưng được đánh giá là hữu ích, bỏ đi những đặc trưng không quan trọng. Đối với phân loại văn bản, quá trình nay rất quan trọng bởi vì véc to văn bản có số chiều rất lớn, trong đó thành phan dư thừa cũng rất nhiều.
Vì vậy các phương pháp chọn lựa đặc trưng rất hiệu quả trong việc giảm chiều của véc tơ đặc trưng văn bản, chiều của véc tơ văn bán sau khi được giảm đi nhưng không mất đi độ chính xác phân loại. Yêu cầu: Xây dựng hệ thông phân loại công văn phô biến. Phạm vỉ: - Áp dụng trí tuệ nhân tạo giúp phân loại công văn và phục vụ số hóa dựa trên hình ảnh. - Nghiên cứu các mô hình trí tuệ nhân tạo dé rút trích thông tin ảnh.
- Cải đặt, tích hợp, cau hình hệ thông dé xuất cho cơ sơ dit liệu ảnh thực 1. Đóng góp của luậnvăn — s* Tính khoa hoc của đề tài: - Ap dụng các mô hình máy học như: RandomForest, LSTM, XGBoost,. vào nghiên cứu và ứng dung cho đề tài. - Có độ chính xác và tốc độ xử lý nhanh với việc sử dụng framework Tesseract OCR.
¢ Tinh thực tiền: Luận văn xây dựng ứng dụng theo nhu cầu thực tế về việc số hóa hình ảnh và ứng dụng trí tuệ nhân tạo trong việc phân loại văn bản hay công văn khác nhau. Tình hình nghiên cứu hiện tại: Có nhiều phương pháp đề tạo ra một phần mềm dạng OCR, độ chính xác của các phương pháp này phụ thuộc vào công nghệ tạo nên phần mềm. Các phương pháp này đạt được độ tin cậy trong các hình ảnh có chất lượng tốt và vừa. Độ chính xác của việc rút trích văn bản là điều quan trọng nhất.
Nhóm tác gia Kirill Safronov [1] cho rang một số sai sót trong quá trình chuyên đôi thường không quá quan trong trừ các trường hợp như rút trích số serial từ ảnh chụp. Đề khắc phục tình trạng kết quả xuất ra không chinh xác của công nghệ OCR, nhiều công nghệ khác đã ra đời, tác giả A. Việc định hướng của robot dựa vào bảng tín hiệu như là một cột mốc đánh dấu đường đi tiếp theo của robot. Định hướng tự động của các robot trong một vùng lớn đòi hỏi nhiều bảng tín hiệu khác nhau với mô hình nhận dạng duy nhất.
Ngoài ra, hệ thống này còn cho phép nhận điện vị trí riêng. Bên cạnh việc cai thiện độ chính xác, chúng ta cần có sự thay đôi kích thước của thiết bị nhận dạng, tác giả Ali Ahmadi [3] đã đề cập trong nghiên cửu của mình, tốc độ xử lý và độ chính xác cao là yêu cầu lớn hiện nay của các thiết bị nhận dạng kí tự nhỏ, ví dụ như bút biết nhận dạng. 11 Chương 2: Cơ sở lý thuyết 2. Tổng quan về Tesseract Nhận dang ký tự quang học ( Optical Character Recognition, viết tắt là OCR).
là phan mềm máy tính được tao ra dé chuyên các hình anh của chữ viết tay hoặc chữ đánh máy thành các văn bản tải liệu. OCR được hình thành từ một lĩnh vực nghiên cứu vẻ nhận dạng mẫu, trí tuệ nhân tạo và thị giác máy tính. Những chuỗi dữ liệu được sinh ra từ việc nhận dạng ký tự quang học có thé được sử đụng cho nhiều việc, ví dụ: giúp số hóa các tài liệu cũ, dịch sang các ngôn ngữ khác hoặc đẻ kiểm tra và xác minh văn bản.