I. Giới thiệu đề tài
Trong bối cảnh ngành bán lẻ hiện đại, hệ thống thanh toán tự động đang trở thành xu hướng tất yếu. Thanh toán tự động giúp người tiêu dùng tiết kiệm thời gian và tăng cường trải nghiệm mua sắm. Một trong những công nghệ nổi bật là hệ thống Just Walk Out của Amazon, cho phép khách hàng lấy sản phẩm và rời khỏi cửa hàng mà không cần phải xếp hàng thanh toán. Điều này đã thúc đẩy nghiên cứu về công nghệ thanh toán và kỹ thuật điều khiển. Hệ thống này không chỉ đơn thuần là một giải pháp thanh toán mà còn là sự kết hợp hoàn hảo giữa thị giác máy tính và robot tự động. Bằng cách sử dụng các mô hình Deep Learning, hệ thống có khả năng nhận diện và phân loại sản phẩm, từ đó tạo ra một quy trình thanh toán hoàn toàn tự động.
1.1 Tình hình nghiên cứu hiện nay
Hiện tại, có rất ít nghiên cứu liên quan đến việc ứng dụng thị giác máy tính trong hệ thống thanh toán tự động. Một số nghiên cứu đã tập trung vào việc phát hiện hành động của người tiêu dùng trong môi trường mua sắm, nhưng chưa có nghiên cứu nào đi sâu vào việc tối ưu hóa quy trình thanh toán tự động. Các công ty như Amazon đã phát triển công nghệ Just Walk Out, nhưng thông tin chi tiết về công nghệ này vẫn còn hạn chế. Các nghiên cứu hiện tại chủ yếu xoay quanh việc phát hiện hành động và nhận diện sản phẩm, mà chưa thực sự đi vào việc tối ưu hóa quy trình thanh toán. Điều này mở ra cơ hội cho nghiên cứu và phát triển trong lĩnh vực này, nhằm cải thiện trải nghiệm mua sắm cho người tiêu dùng.
II. Mục tiêu và nhiệm vụ
Mục tiêu chính của nghiên cứu này là phát triển một hệ thống thanh toán tự động dựa trên công nghệ thị giác máy tính. Hệ thống sẽ được thiết kế để phát hiện sản phẩm được lấy ra hoặc trả lại trên kệ hàng, từ đó tự động tính toán và thực hiện thanh toán cho khách hàng. Các nhiệm vụ cụ thể bao gồm: Huấn luyện mô hình Deep Learning để nhận diện sản phẩm với độ chính xác cao, đề xuất quy trình xử lý để phát hiện sản phẩm, và tối ưu hóa hệ thống để xử lý thời gian thực. Việc thực hiện các nhiệm vụ này sẽ giúp nâng cao hiệu quả và tính tiện lợi trong việc thanh toán, đáp ứng nhu cầu ngày càng cao của người tiêu dùng.
2.1 Nhiệm vụ cụ thể
Các nhiệm vụ cần thực hiện bao gồm: (1) Huấn luyện mô hình Deep Learning để phát hiện sản phẩm trên kệ hàng, (2) Đề xuất quy trình xử lý nhằm phát hiện sản phẩm được lấy ra hoặc trả lại, (3) Huấn luyện mô hình ước tính tư thế con người trong môi trường mua sắm, (4) Đề xuất quy trình chuyển giao mặt hàng đã phát hiện sang khách hàng, và (5) Tối ưu hóa để chương trình có thể xử lý thời gian thực. Những nhiệm vụ này không chỉ giúp cải thiện quy trình thanh toán mà còn tạo ra một trải nghiệm mua sắm tốt hơn cho khách hàng.
III. Mô hình YOLOv8
Mô hình YOLO (You Only Look Once) đã trở thành một trong những công nghệ tiên tiến nhất trong lĩnh vực thị giác máy tính. YOLOv8, phiên bản mới nhất, đã cải thiện đáng kể về độ chính xác và tốc độ xử lý so với các phiên bản trước. Mô hình này sử dụng kiến trúc mạng tinh vi, cho phép nhận diện và phân loại đối tượng trong thời gian thực. Việc áp dụng YOLOv8 trong hệ thống thanh toán tự động sẽ giúp cải thiện khả năng phát hiện sản phẩm và tăng cường hiệu suất của hệ thống. Sự phát triển của YOLOv8 không chỉ là một bước tiến trong công nghệ nhận diện đối tượng mà còn góp phần quan trọng trong việc tối ưu hóa quy trình thanh toán tự động.
3.1 Ưu điểm của YOLOv8
YOLOv8 mang lại nhiều ưu điểm nổi bật như tốc độ xử lý nhanh và độ chính xác cao. Mô hình này có khả năng hoạt động hiệu quả trong các tình huống thực tế, nơi mà thời gian xử lý là yếu tố quyết định. Nhờ vào việc tối ưu hóa cấu trúc mạng và áp dụng các kỹ thuật mới, YOLOv8 có thể nhận diện nhiều đối tượng cùng lúc và đưa ra các dự đoán chính xác. Điều này cực kỳ quan trọng trong môi trường mua sắm, nơi mà khách hàng có thể lấy nhiều sản phẩm cùng lúc. Việc sử dụng YOLOv8 trong hệ thống thanh toán tự động sẽ giúp nâng cao trải nghiệm của người tiêu dùng và tối ưu hóa quy trình thanh toán.
