Luận văn thạc sĩ HCMUTE về nhận dạng mã vạch sử dụng xử lý ảnh

• Tác giả: Lê Nguyễn Phi Sang
• Người hướng dẫn: PGS. Nguyễn Thanh Hải
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Nhận Dạng Mã Vạch Qua Xử Lý Ảnh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Thành phố Hồ Chí Minh

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tình hình nghiên cứu trong và ngoài nước
• 1.1.1. Tình hình nghiên cứu trong nước
• 1.1.2. Tình hình nghiên cứu nước ngoài
• 1.2. Mục tiêu và nhiệm vụ nghiên cứu
• 1.2.1. Mục tiêu nghiên cứu
• 1.2.2. Nhiệm vụ nghiên cứu
• 1.3. Phương pháp và đối tượng nghiên cứu
• 1.3.1. Phương pháp nghiên cứu
• 1.3.2. Đối tượng nghiên cứu
• 1.4. Bố cục của luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về mã vạch
• 2.1.1. Giới thiệu
• 2.1.2. Các loại mã vạch 1D
• 2.2. Phương pháp đọc mã vạch
• 3. CHƯƠNG 3: NHẬN DẠNG MÃ VẠCH
• 4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

I. Tổng quan

Mã vạch là một phương pháp lưu trữ và truyền đạt thông tin sản phẩm thông qua các vạch màu đen và trắng. Nhận dạng mã vạch là một lĩnh vực quan trọng trong công nghệ thông tin, giúp người tiêu dùng và nhà sản xuất dễ dàng kiểm tra và quản lý thông tin sản phẩm. Tuy nhiên, trong quá trình lưu thông, mã vạch có thể bị ảnh hưởng bởi các yếu tố bên ngoài, dẫn đến việc khó khăn trong việc nhận dạng. Luận văn này tập trung vào việc phát triển một hệ thống nhận dạng mã vạch sử dụng xử lý ảnh để giải quyết vấn đề này. Hệ thống được thiết kế để nhận dạng các mã vạch bị mờ, nghiêng hoặc đứt nét mà các phương pháp truyền thống không thể xử lý.

1.1 Tình hình nghiên cứu trong và ngoài nước

Nghiên cứu về nhận dạng mã vạch đã được thực hiện rộng rãi trên thế giới. Trong nước, nhiều nghiên cứu đã áp dụng các phương pháp xử lý ảnh để phát triển các ứng dụng quản lý và nhận dạng mã vạch. Các nghiên cứu này đã chỉ ra rằng việc sử dụng machine learning và computer vision có thể cải thiện độ chính xác trong việc nhận dạng mã vạch. Các nghiên cứu quốc tế cũng đã đạt được những kết quả khả quan, như việc sử dụng Hough Transform để nhận dạng mã vạch với độ chính xác cao. Những nghiên cứu này đã tạo nền tảng cho việc phát triển hệ thống nhận dạng mã vạch trong luận văn này.

II. Cơ sở lý thuyết

Chương này trình bày tổng quan về mã vạch và các phương pháp xử lý ảnh liên quan. Mã vạch được phân loại thành nhiều loại khác nhau như EAN-13, UPC, Code 39, và mỗi loại có cấu trúc và quy tắc mã hóa riêng. Việc hiểu rõ về cấu trúc mã vạch là rất quan trọng để phát triển các thuật toán nhận dạng hiệu quả. Ngoài ra, các khái niệm về hình ảnh số, điểm ảnh, và các phương pháp lọc trong miền không gian và tần số cũng được đề cập. Những kiến thức này sẽ được áp dụng trong việc phát triển hệ thống nhận dạng mã vạch, giúp cải thiện chất lượng hình ảnh và độ chính xác trong việc nhận dạng.

2.1 Các phương pháp đọc mã vạch

Có nhiều phương pháp để đọc mã vạch, bao gồm các thiết bị quét mã vạch và phần mềm xử lý ảnh. Các phương pháp này có thể được phân loại thành hai nhóm chính: nhận dạng mã vạch 1D và 2D. Mỗi phương pháp có ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng. Trong luận văn này, phương pháp xử lý ảnh sẽ được sử dụng để nhận dạng mã vạch, với mục tiêu là cải thiện khả năng nhận dạng đối với các mã vạch bị mờ hoặc nghiêng.

III. Nhận dạng mã vạch

Chương này trình bày chi tiết quy trình nhận dạng mã vạch, bao gồm các bước tiền xử lý hình ảnh, xác định góc nghiêng của mã vạch, và khôi phục thông tin mã vạch. Hệ thống sử dụng các thuật toán như biến đổi Radon để xác định góc nghiêng, và phân đoạn ảnh theo phương pháp Otsu để tách mã vạch ra khỏi nền. Các bước này rất quan trọng để đảm bảo rằng thông tin mã vạch được khôi phục chính xác trước khi đưa vào quá trình nhận dạng. Hệ thống được phát triển trên nền tảng phần mềm Matlab 2018a, cho phép hiển thị kết quả trên giao diện GUI.

3.1 Quy trình xử lý

Quy trình xử lý bao gồm nhiều bước, từ việc thay đổi kích thước ảnh, chuyển sang ảnh xám, đến việc xử lý làm mịn ảnh và dò biên. Mỗi bước đều có vai trò quan trọng trong việc cải thiện chất lượng hình ảnh và độ chính xác của quá trình nhận dạng. Việc sử dụng các phương pháp như lọc trung bình và dò biên theo phương pháp Canny giúp loại bỏ nhiễu và làm nổi bật các đặc điểm của mã vạch. Kết quả của từng bước sẽ được đánh giá và phân tích để đảm bảo rằng hệ thống hoạt động hiệu quả trong các điều kiện thực tế.

IV. Kết quả và thảo luận

Chương này trình bày các kết quả đạt được từ hệ thống nhận dạng mã vạch. Các thử nghiệm được thực hiện trên tập dữ liệu gồm 260 ảnh mã vạch với nhiều tình huống khác nhau. Kết quả cho thấy hệ thống có khả năng nhận dạng chính xác các mã vạch bị mờ, nghiêng và đứt nét. Đặc biệt, hệ thống đã đạt được độ chính xác cao trong việc khôi phục thông tin mã vạch, cho thấy tính khả thi của phương pháp xử lý ảnh trong việc nhận dạng mã vạch. Những kết quả này không chỉ có giá trị trong nghiên cứu mà còn có ứng dụng thực tiễn trong quản lý sản phẩm và kiểm soát chất lượng.

4.1 Đánh giá kết quả

Kết quả nhận dạng mã vạch cho thấy rằng hệ thống có thể hoạt động hiệu quả trong nhiều điều kiện khác nhau. Đặc biệt, khả năng nhận dạng mã vạch bị nghiêng và đứt nét là một điểm mạnh của hệ thống. Việc sử dụng các phương pháp xử lý ảnh tiên tiến đã giúp cải thiện đáng kể độ chính xác và tốc độ nhận dạng. Những kết quả này mở ra hướng phát triển mới cho các ứng dụng trong lĩnh vực quản lý sản phẩm và thương mại điện tử.

V. Kết luận và hướng phát triển

Luận văn đã trình bày một hệ thống nhận dạng mã vạch hiệu quả sử dụng xử lý ảnh. Hệ thống không chỉ có khả năng nhận dạng mã vạch trong các điều kiện khó khăn mà còn có thể được áp dụng rộng rãi trong thực tiễn. Hướng phát triển trong tương lai có thể bao gồm việc cải thiện thuật toán nhận dạng và mở rộng ứng dụng của hệ thống trong các lĩnh vực khác nhau như logistics, bán lẻ và quản lý kho. Việc nghiên cứu và phát triển thêm các phương pháp mới sẽ giúp nâng cao hiệu quả và độ chính xác của hệ thống nhận dạng mã vạch.

5.1 Hướng phát triển

Hệ thống có thể được mở rộng để nhận dạng các loại mã vạch khác nhau, bao gồm mã vạch 2D như QR code. Việc tích hợp công nghệ machine learning có thể giúp cải thiện khả năng nhận dạng trong các điều kiện phức tạp hơn. Ngoài ra, việc phát triển các ứng dụng di động để nhận dạng mã vạch cũng là một hướng đi tiềm năng, giúp người tiêu dùng dễ dàng truy xuất thông tin sản phẩm ngay trên điện thoại của họ.

Tổng quan nghiên cứu

Mã vạch là một phương pháp lưu trữ và truyền tải thông tin sản phẩm thông qua các vạch màu đen và trắng, được sử dụng rộng rãi trong quản lý hàng hóa và kiểm soát nguồn gốc xuất xứ. Theo ước tính, việc nhận dạng mã vạch chính xác góp phần nâng cao hiệu quả quản lý sản phẩm, giảm thiểu hàng giả và gian lận thương mại. Tuy nhiên, trong thực tế, mã vạch thường bị ảnh hưởng bởi các yếu tố như mờ, nghiêng, đứt nét do điều kiện môi trường và quá trình vận chuyển, gây khó khăn cho các phương pháp nhận dạng truyền thống.

Luận văn thạc sĩ này tập trung xây dựng một hệ thống nhận dạng mã vạch sử dụng kỹ thuật xử lý ảnh nhằm giải quyết các vấn đề trên. Mục tiêu cụ thể là phát triển thuật toán nhận dạng mã vạch EAN_13 với khả năng xử lý các ảnh mã vạch bị mờ, nghiêng góc nhỏ hơn 90 độ, và khôi phục mã vạch bị đứt nét, từ đó cung cấp thông tin chính xác về nguồn gốc sản phẩm. Nghiên cứu được thực hiện trên tập dữ liệu gồm 260 ảnh mã vạch chụp trong điều kiện tự nhiên, bao gồm các dạng mã vạch nằm ngang, nghiêng, kích thước khác nhau và bị đứt nét.

Phạm vi nghiên cứu tập trung vào mã vạch 1D dạng EAN_13, sử dụng phần mềm Matlab 2018a để phát triển và đánh giá hệ thống. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác nhận dạng mã vạch, góp phần tự động hóa quản lý sản phẩm, giảm sức lao động và tăng hiệu quả kiểm soát thị trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình xử lý ảnh số, bao gồm:

• Cấu trúc mã vạch EAN_13: Mã vạch gồm 13 chữ số thập phân được mã hóa thành chuỗi vạch đen và trắng theo quy tắc nhị phân, trong đó các chữ số được chia thành ba nhóm với các quy tắc mã hóa khác nhau (mã L, G, R). Mã vạch có điểm bắt đầu, điểm trung tâm và điểm kết thúc được xác định rõ ràng, giúp định vị và giải mã chính xác.

• Biến đổi Radon: Phương pháp chuyển ảnh sang miền Radon để xác định góc nghiêng của mã vạch. Biến đổi này tính tích phân dọc theo các đường thẳng trong ảnh, giúp phát hiện và xoay ảnh mã vạch về phương ngang.

• Phân đoạn ảnh theo ngưỡng Otsu: Thuật toán tự động xác định ngưỡng phân đoạn ảnh nhị phân dựa trên phân bố mức xám, giúp tách mã vạch ra khỏi nền ảnh hiệu quả.

• Tăng cường ảnh và lọc trung bình: Sử dụng bộ lọc trung bình để làm mịn ảnh, kết hợp với cân bằng histogram nhằm mở rộng độ tương phản, cải thiện chất lượng ảnh mã vạch trước khi nhận dạng.

• Khôi phục mã vạch bị đứt nét: Dựa trên tỷ lệ bit 0 và bit 1 trong ma trận điểm ảnh để phục hồi các vạch bị hư hỏng, đảm bảo thông tin mã vạch được giữ nguyên.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Tập dữ liệu gồm 260 ảnh mã vạch EAN_13 được chụp bằng máy ảnh trong điều kiện tự nhiên, bao gồm 50 ảnh mã vạch nằm ngang, 50 ảnh nghiêng với các góc khác nhau, 50 ảnh cùng một mã vạch với góc nghiêng nhỏ hơn 90 độ, 60 ảnh mã vạch có kích thước khác nhau, 25 ảnh mã vạch thẳng bị đứt nét và 25 ảnh mã vạch nghiêng bị đứt nét.

• Phương pháp chọn mẫu: Ảnh được thu thập đa dạng về góc nghiêng, kích thước và tình trạng hư hỏng nhằm đánh giá toàn diện hiệu quả của hệ thống nhận dạng.

• Phương pháp phân tích: Sử dụng phần mềm Matlab 2018a để xây dựng và thực nghiệm các thuật toán xử lý ảnh, bao gồm tiền xử lý ảnh, biến đổi Radon, phân đoạn Otsu, tăng cường ảnh, khôi phục ảnh và giải mã mã vạch. Kết quả được đánh giá dựa trên tỷ lệ nhận dạng thành công trên từng nhóm ảnh.

• Timeline nghiên cứu: Nghiên cứu được thực hiện trong khoảng thời gian từ năm 2017 đến 2018, bao gồm giai đoạn thu thập dữ liệu, phát triển thuật toán, thực nghiệm và phân tích kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định góc nghiêng và xoay ảnh: Sử dụng biến đổi Radon giúp xác định chính xác góc nghiêng của mã vạch với sai số nhỏ, cho phép xoay ảnh về phương ngang hiệu quả. Trên tập 50 ảnh mã vạch nghiêng, hệ thống đạt tỷ lệ xoay chính xác trên 92%.

2. Tăng cường và phân đoạn ảnh: Áp dụng bộ lọc trung bình kết hợp cân bằng histogram giúp cải thiện độ tương phản ảnh mã vạch, làm rõ các vạch đen trắng. Phân đoạn theo ngưỡng Otsu tách mã vạch khỏi nền với độ chính xác trên 95% trên tập ảnh thử nghiệm.

3. Khôi phục mã vạch bị đứt nét: Thuật toán khôi phục dựa trên tỷ lệ bit 0 và bit 1 giúp phục hồi các vạch bị hư hỏng, nâng cao tỷ lệ nhận dạng mã vạch bị đứt nét từ khoảng 60% lên trên 85%.

4. Nhận dạng mã vạch EAN_13: Hệ thống nhận dạng thành công trên 90% ảnh mã vạch nằm ngang, 87% ảnh mã vạch nghiêng và 83% ảnh mã vạch bị đứt nét. Kết quả này vượt trội hơn so với các phương pháp truyền thống chỉ đạt khoảng 70-80% trên các ảnh tương tự.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt hiệu quả cao là do việc kết hợp biến đổi Radon để xử lý góc nghiêng, tăng cường ảnh và phân đoạn chính xác theo Otsu, cùng với thuật toán khôi phục mã vạch bị đứt nét. So với các nghiên cứu trước đây, ví dụ như phương pháp dùng Hough Transform đạt 84% độ chính xác, hệ thống này cải thiện đáng kể nhờ xử lý đa dạng các dạng ảnh mã vạch phức tạp hơn.

Kết quả có thể được trình bày qua biểu đồ cột so sánh tỷ lệ nhận dạng thành công trên các nhóm ảnh khác nhau (nằm ngang, nghiêng, đứt nét) và bảng thống kê chi tiết số lượng ảnh nhận dạng đúng/sai. Điều này minh chứng cho tính ứng dụng thực tiễn của hệ thống trong môi trường sản xuất và quản lý hàng hóa.

Đề xuất và khuyến nghị

1. Phát triển thuật toán nhận dạng đa dạng mã vạch: Mở rộng hệ thống để nhận dạng các loại mã vạch khác như Code 39, Code 128 nhằm tăng tính ứng dụng trong nhiều ngành nghề. Thời gian thực hiện dự kiến 12 tháng, do nhóm nghiên cứu phần mềm đảm nhiệm.

2. Tích hợp hệ thống nhận dạng vào thiết bị di động: Phát triển ứng dụng trên nền tảng smartphone để người dùng có thể quét mã vạch trực tiếp, nâng cao tính tiện lợi và di động. Mục tiêu tăng tỷ lệ nhận dạng trên thiết bị di động lên 85% trong vòng 6 tháng.

3. Cải tiến thuật toán khôi phục ảnh mã vạch: Nghiên cứu thêm các phương pháp học máy để tự động khôi phục mã vạch bị hư hỏng nặng, hướng tới tự động hóa hoàn toàn quá trình nhận dạng. Thời gian nghiên cứu 18 tháng, phối hợp với các chuyên gia AI.

4. Xây dựng cơ sở dữ liệu mã vạch quốc gia: Đề xuất xây dựng hệ thống quản lý mã vạch tập trung, giúp truy xuất thông tin nhanh chóng và chính xác, hỗ trợ công tác quản lý thị trường và bảo vệ người tiêu dùng. Chủ thể thực hiện là các cơ quan quản lý nhà nước trong vòng 24 tháng.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành kỹ thuật điện tử, xử lý ảnh: Luận văn cung cấp kiến thức chuyên sâu về xử lý ảnh và nhận dạng mã vạch, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

2. Doanh nghiệp sản xuất và phân phối hàng hóa: Hệ thống nhận dạng mã vạch giúp tự động hóa quản lý kho, kiểm soát nguồn gốc sản phẩm, giảm thiểu rủi ro hàng giả.

3. Cơ quan quản lý thị trường và bảo vệ người tiêu dùng: Công cụ hỗ trợ kiểm tra, giám sát hàng hóa lưu thông trên thị trường, nâng cao hiệu quả công tác quản lý.

4. Nhà phát triển phần mềm và ứng dụng di động: Tham khảo các thuật toán xử lý ảnh và nhận dạng mã vạch để tích hợp vào các ứng dụng quét mã vạch trên thiết bị di động.

Câu hỏi thường gặp

1. Hệ thống có thể nhận dạng mã vạch bị nghiêng bao nhiêu độ?
   Hệ thống xử lý hiệu quả các mã vạch nghiêng với góc lệch nhỏ hơn 90 độ nhờ biến đổi Radon, đảm bảo xoay ảnh về phương ngang chính xác trên 92% trường hợp.

2. Làm thế nào để khôi phục mã vạch bị đứt nét?
   Thuật toán dựa trên phân tích tỷ lệ bit 0 và bit 1 trong ma trận điểm ảnh để phục hồi các vạch bị hư hỏng, nâng cao độ chính xác nhận dạng lên trên 85% so với ảnh gốc bị đứt nét.

3. Phương pháp phân đoạn ảnh nào được sử dụng?
   Phân đoạn ảnh theo ngưỡng Otsu được áp dụng để tự động xác định ngưỡng phân tách mã vạch và nền, giúp tách vùng mã vạch hiệu quả với độ chính xác trên 95%.

4. Hệ thống có thể xử lý ảnh mã vạch có kích thước khác nhau không?
   Có, hệ thống đã thử nghiệm trên 60 ảnh mã vạch với kích thước khác nhau và đạt tỷ lệ nhận dạng thành công trên 90%, nhờ bước tiền xử lý thay đổi kích thước ảnh chuẩn hóa.

5. Phần mềm nào được sử dụng để phát triển hệ thống?
   Toàn bộ thuật toán và giao diện được xây dựng trên phần mềm Matlab 2018a, cho phép thực nghiệm và đánh giá hiệu quả xử lý ảnh mã vạch.

Kết luận

• Hệ thống nhận dạng mã vạch sử dụng xử lý ảnh đã được xây dựng thành công, đạt tỷ lệ nhận dạng trên 90% với mã vạch nằm ngang và trên 80% với mã vạch nghiêng hoặc bị đứt nét.
• Biến đổi Radon và phân đoạn Otsu là các bước then chốt giúp xử lý góc nghiêng và tách mã vạch hiệu quả.
• Thuật toán khôi phục mã vạch bị đứt nét nâng cao đáng kể độ chính xác nhận dạng trong điều kiện ảnh bị hư hỏng.
• Nghiên cứu góp phần thúc đẩy tự động hóa trong quản lý sản phẩm, giảm sức lao động và tăng độ tin cậy trong kiểm soát hàng hóa.
• Các bước tiếp theo bao gồm mở rộng nhận dạng đa dạng loại mã vạch, tích hợp trên thiết bị di động và ứng dụng trí tuệ nhân tạo để nâng cao khả năng khôi phục và nhận dạng.

Để tiếp tục phát triển và ứng dụng hệ thống, các nhà nghiên cứu và doanh nghiệp được khuyến khích phối hợp triển khai thực tế, đồng thời cập nhật các công nghệ mới trong xử lý ảnh và học máy.