Giải pháp thanh toán nhanh món ăn tại căn tin trường học bằng AI nhận dạng hình ảnh

Giải pháp thanh toán căn tin trường học nhanh chóng nhờ ứng dụng thuật toán nhận dạng hình ảnh. Tiết kiệm thời gian, giảm ùn tắc, nâng cao trải nghiệm.

• Tác giả: Phạm Tấn Tuân
• Người hướng dẫn: PGS. Trần Mạnh Hà
• Trường học: Trường Đại Học Bà Rịa – Vũng Tàu
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Giải Pháp Thanh Toán Nhanh Món Ăn Ở Căn Tin Trường Học Sử Dụng Thuật Toán Nhận Dạng Hình Ảnh
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2023
• Địa điểm: Bà Rịa – Vũng Tàu

Tóm tắt

I. Giới thiệu AI Nhận Diện Món Ăn Cách Mạng Thanh Toán Căn Tin

Trong bối cảnh cách mạng công nghiệp 4.0, trí tuệ nhân tạo (AI) đang len lỏi vào mọi lĩnh vực của đời sống, và thanh toán tự động căn tin không phải là ngoại lệ. Bài viết này khám phá tiềm năng của AI nhận diện thực phẩm căn tin, một giải pháp đột phá giúp giảm thời gian chờ đợi căn tin, tối ưu hóa quy trình thanh toán và nâng cao trải nghiệm người dùng. Giải pháp này đặc biệt hữu ích trong môi trường trường học, bệnh viện, khu công nghiệp, và văn phòng, nơi có số lượng lớn người sử dụng dịch vụ căn tin trong thời gian giới hạn. Các hệ thống thanh toán truyền thống thường gặp nhiều bất cập, đặc biệt là trong giờ cao điểm. Thanh toán thủ công tốn thời gian, dễ xảy ra sai sót, và đòi hỏi số lượng lớn nhân viên. Mã vạch không phù hợp với các món ăn chế biến sẵn, gây khó khăn trong việc quản lý và thanh toán. Giải pháp thanh toán không tiền mặt hiện tại còn nhiều hạn chế và chi phí triển khai lớn. Do đó, một giải pháp thanh toán nhanh chóng, chính xác, và tự động là vô cùng cần thiết. AI nhận diện món ăn nổi lên như một giải pháp tiềm năng, hứa hẹn giải quyết những vấn đề này một cách hiệu quả. Công nghệ này sử dụng công nghệ nhận diện hình ảnh và máy học để tự động xác định các món ăn trên khay, tính toán tổng tiền, và thực hiện thanh toán. Điều này giúp giảm thiểu thời gian chờ đợi, tăng năng suất, và nâng cao trải nghiệm người dùng. Theo nghiên cứu của Phạm Tấn Tuân trong luận văn thạc sĩ "Giải pháp thanh toán nhanh món ăn ở căn tin trường học sử dụng thuật toán nhận dạng hình ảnh", công nghệ này có thể giảm đáng kể thời gian thanh toán so với phương pháp thủ công.

1.1. Tổng quan về hệ thống thanh toán thông minh căn tin

Hệ thống thanh toán thông minh căn tin dựa trên AI là một bước tiến vượt bậc so với các phương thức truyền thống. Thay vì sử dụng mã vạch hoặc nhập liệu thủ công, hệ thống sử dụng công nghệ nhận diện hình ảnh để xác định món ăn. Camera sẽ chụp ảnh khay thức ăn, sau đó phần mềm nhận diện món ăn sẽ phân tích hình ảnh và xác định các món có trong khay. AI cho ngành thực phẩm này có thể được tích hợp với các hệ thống thanh toán hiện có, như thẻ từ, ứng dụng di động, hoặc thanh toán bằng khuôn mặt. Điều này mang lại sự linh hoạt và tiện lợi cho người sử dụng. Hệ thống cũng có thể được tích hợp với hệ thống quản lý thực đơn, giúp quản lý thực đơn căn tin bằng AI một cách hiệu quả và theo dõi thông tin dinh dưỡng của từng món ăn, cung cấp thông tin hữu ích cho người dùng.

1.2. Lợi ích của thanh toán tự động căn tin bằng AI

Việc triển khai giải pháp thanh toán nhanh bằng AI mang lại nhiều lợi ích cho cả người sử dụng và người quản lý căn tin. Đối với người sử dụng, thời gian chờ đợi được rút ngắn đáng kể, đặc biệt trong giờ cao điểm. Thanh toán trở nên dễ dàng và tiện lợi hơn, không cần mang theo tiền mặt hoặc thẻ. Đối với người quản lý căn tin, hệ thống giúp tăng năng suất, giảm thiểu sai sót, và cải thiện quản lý kho. Ứng dụng AI trong quản lý căn tin cũng giúp tối ưu hóa việc chuẩn bị thực phẩm, giảm lãng phí và tăng lợi nhuận.

II. Thách Thức Bài Toán Về AI Nhận Diện Thực Phẩm Căn Tin Hiện Nay

Mặc dù AI nhận diện món ăn mang lại nhiều tiềm năng, nhưng vẫn còn tồn tại một số thách thức cần giải quyết. Độ chính xác của hệ thống phụ thuộc vào chất lượng hình ảnh, ánh sáng, và góc chụp. Phần mềm nhận diện món ăn có thể gặp khó khăn trong việc phân biệt các món ăn có hình dạng tương tự. Công nghệ thanh toán căn tin này đòi hỏi một lượng lớn dữ liệu huấn luyện để đạt được độ chính xác cao. Chi phí triển khai và bảo trì hệ thống cũng là một yếu tố cần cân nhắc. Ngoài ra, vấn đề bảo mật thông tin cá nhân và dữ liệu thanh toán cũng cần được đảm bảo. Việc tích hợp hệ thống với các hệ thống thanh toán hiện có có thể gặp khó khăn và đòi hỏi sự tương thích cao.

2.1. Các yếu tố ảnh hưởng đến độ chính xác của AI nhận diện

Độ chính xác của hệ thống AI nhận diện thực phẩm phụ thuộc vào nhiều yếu tố, bao gồm chất lượng hình ảnh, ánh sáng, góc chụp, và độ phức tạp của món ăn. Hình ảnh mờ, ánh sáng yếu, hoặc góc chụp không thuận lợi có thể làm giảm độ chính xác của hệ thống. Các món ăn có hình dạng tương tự, hoặc bị che khuất bởi các món ăn khác, cũng có thể gây khó khăn cho hệ thống. Ngoài ra, việc sử dụng các vật liệu đựng thức ăn khác nhau, như bát, đĩa, hoặc hộp, cũng có thể ảnh hưởng đến độ chính xác của hệ thống.

2.2. Khó khăn trong việc thu thập và xử lý dữ liệu huấn luyện

Để đạt được độ chính xác cao, hệ thống AI cần được huấn luyện trên một lượng lớn dữ liệu. Việc thu thập và xử lý dữ liệu này có thể tốn thời gian và công sức. Dữ liệu cần phải được gán nhãn chính xác, và phải bao gồm nhiều loại món ăn khác nhau, với nhiều biến thể khác nhau. Ngoài ra, dữ liệu cần phải được cập nhật thường xuyên để đảm bảo rằng hệ thống có thể nhận diện các món ăn mới.

III. Phương Pháp Thanh Toán Bằng AI Quy Trình Nhận Diện và Tính Tiền

Quy trình thanh toán bằng AI trong căn tin bao gồm nhiều bước. Bước đầu tiên là chụp ảnh khay thức ăn bằng camera. Sau đó, phần mềm nhận diện hình ảnh sẽ phân tích hình ảnh và xác định các món ăn có trong khay. Hệ thống sẽ sử dụng máy POS nhận diện món ăn để kết nối với cơ sở dữ liệu giá và tính toán tổng tiền. Cuối cùng, hệ thống sẽ hiển thị tổng tiền trên màn hình và cho phép người sử dụng thực hiện thanh toán. Quy trình này diễn ra nhanh chóng và tự động, giúp giảm thiểu thời gian chờ đợi.

3.1. Sử dụng công nghệ nhận diện hình ảnh để xác định món ăn

Công nghệ nhận diện hình ảnh đóng vai trò quan trọng trong hệ thống thanh toán căn tin bằng AI. Hệ thống sử dụng các thuật toán máy học để phân tích hình ảnh và xác định các món ăn có trong khay. Các thuật toán này được huấn luyện trên một lượng lớn dữ liệu, và có khả năng nhận diện các món ăn với độ chính xác cao. Mô hình YOLOv5, được đề xuất trong luận văn của Phạm Tấn Tuân, là một trong những thuật toán hiệu quả để phát hiện vật thể trong ảnh.

3.2. Tích hợp cơ sở dữ liệu giá và tính toán tổng tiền

Sau khi xác định các món ăn, hệ thống sẽ truy cập vào cơ sở dữ liệu giá để lấy thông tin giá của từng món. Sau đó, hệ thống sẽ tính toán tổng tiền và hiển thị trên màn hình. Cơ sở dữ liệu giá cần được cập nhật thường xuyên để đảm bảo tính chính xác. Hệ thống cũng có thể được tích hợp với hệ thống quản lý kho, giúp theo dõi số lượng hàng tồn kho và tự động điều chỉnh giá khi cần thiết.

IV. Ứng Dụng Thực Tiễn Triển Khai Căn Tin Thông Minh AI Hiệu Quả

Thanh toán nhanh bằng AI có thể được triển khai trong nhiều môi trường khác nhau, bao gồm trường học, bệnh viện, khu công nghiệp, và văn phòng. Việc triển khai hệ thống đòi hỏi sự chuẩn bị kỹ lưỡng, bao gồm lựa chọn phần cứng và phần mềm phù hợp, thu thập dữ liệu huấn luyện, và đào tạo nhân viên. Hệ thống cần được kiểm tra và đánh giá thường xuyên để đảm bảo hoạt động hiệu quả. Ngoài ra, cần có các biện pháp bảo mật để bảo vệ thông tin cá nhân và dữ liệu thanh toán.

4.1. Thanh toán bằng AI trong trường học bệnh viện khu công nghiệp

Thanh toán bằng AI đặc biệt hữu ích trong các môi trường có số lượng lớn người sử dụng dịch vụ căn tin trong thời gian giới hạn. Trong trường học, hệ thống giúp giảm thời gian chờ đợi của học sinh trong giờ giải lao. Trong bệnh viện, hệ thống giúp nhân viên y tế tiết kiệm thời gian và tập trung vào công việc chuyên môn. Trong khu công nghiệp, hệ thống giúp công nhân nhanh chóng mua được bữa ăn và quay trở lại làm việc.

4.2. Tối ưu hóa quy trình thanh toán và quản lý căn tin

Căn tin thông minh AI giúp tối ưu hóa quy trình thanh toán và quản lý căn tin một cách toàn diện. Hệ thống giúp giảm thời gian chờ đợi, tăng năng suất, giảm thiểu sai sót, và cải thiện quản lý kho. Hệ thống cũng có thể được tích hợp với các hệ thống khác, như hệ thống quản lý thực đơn và hệ thống báo cáo, giúp người quản lý căn tin có được cái nhìn tổng quan về hoạt động của căn tin.

V. Kết quả và Đánh Giá Hiệu Quả của Mô Hình YOLOv5

Luận văn của Phạm Tấn Tuân đã chứng minh hiệu quả của việc sử dụng mô hình YOLOv5 trong việc nhận diện món ăn và tính tiền tự động. Kết quả cho thấy mô hình đạt độ chính xác cao trong việc nhận diện các món ăn khác nhau. Tuy nhiên, độ chính xác của mô hình có thể bị ảnh hưởng bởi chất lượng hình ảnh, ánh sáng, và góc chụp. Do đó, cần có các biện pháp để cải thiện chất lượng hình ảnh và đảm bảo ánh sáng đầy đủ. Ngoài ra, cần tiếp tục thu thập và huấn luyện mô hình với nhiều dữ liệu hơn để nâng cao độ chính xác.

5.1. Đánh giá độ chính xác và tốc độ của mô hình

Độ chính xác và tốc độ là hai yếu tố quan trọng cần được đánh giá khi triển khai hệ thống thanh toán căn tin bằng AI. Độ chính xác càng cao, thì hệ thống càng ít mắc lỗi và càng đáng tin cậy. Tốc độ càng nhanh, thì thời gian chờ đợi của người sử dụng càng ngắn. Mô hình YOLOv5 đạt được sự cân bằng giữa độ chính xác và tốc độ, và là một lựa chọn phù hợp cho nhiều ứng dụng khác nhau.

5.2. Các yếu tố ảnh hưởng đến hiệu suất của hệ thống

Hiệu suất của hệ thống thanh toán căn tin bằng AI có thể bị ảnh hưởng bởi nhiều yếu tố, bao gồm chất lượng hình ảnh, ánh sáng, góc chụp, độ phức tạp của món ăn, và cấu hình phần cứng. Để đảm bảo hệ thống hoạt động hiệu quả, cần chú ý đến các yếu tố này và có các biện pháp khắc phục khi cần thiết.

VI. Tương Lai và Phát Triển Hướng Đi Mới Cho Công Nghệ Thanh Toán Căn Tin

Công nghệ thanh toán căn tin đang phát triển nhanh chóng, và AI đóng vai trò ngày càng quan trọng. Trong tương lai, hệ thống có thể được tích hợp với các công nghệ khác, như thanh toán bằng khuôn mặt, hệ thống order món ăn tự động, và hệ thống quản lý dinh dưỡng. Điều này sẽ mang lại nhiều lợi ích hơn cho người sử dụng và người quản lý căn tin.

6.1. Tích hợp thanh toán bằng khuôn mặt và các công nghệ mới

Thanh toán bằng khuôn mặt là một công nghệ tiềm năng có thể được tích hợp với hệ thống thanh toán căn tin bằng AI. Công nghệ này cho phép người sử dụng thanh toán bằng cách sử dụng khuôn mặt của mình, mà không cần mang theo tiền mặt hoặc thẻ. Điều này mang lại sự tiện lợi và an toàn cho người sử dụng.

6.2. Phát triển hệ thống order món ăn tự động và quản lý dinh dưỡng

Hệ thống order món ăn tự động là một công nghệ khác có thể được tích hợp với hệ thống thanh toán căn tin bằng AI. Công nghệ này cho phép người sử dụng order món ăn trước khi đến căn tin, giúp giảm thời gian chờ đợi và tăng năng suất. Hệ thống quản lý dinh dưỡng cung cấp thông tin về thành phần dinh dưỡng của từng món ăn, giúp người dùng lựa chọn thực phẩm phù hợp với nhu cầu cá nhân.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan đề tài Nội dung chủ yếu của chương là tìm hiểu về các vấn đề hình thành nên đề tài. Các ứng dụng tạo hóa đơn thanh toán tiền tự động cho những mặt hàng bán lẻ hiện nay. Từ đó đề xuất phương pháp vận dụng thuật toán nhận dạng hình ảnh để tạo hóa đơn thanh toán cho các món ăn, món hàng được bán cho học sinh ở căn tin trường học. Kèm theo nội dung của đề tài như: ý nghĩa, phương pháp nghiên cứu và đối tượng nghiên cứu.

Chương 2: Cơ sở lý thuyết Tìm hiểu và trình bày sơ lược về các kiến thức cơ sở, được đề tài sử dụng bao gồm: những kỹ thuật áp dụng để nhận dạng đối tượng, phát hiện đối tượng, mạng thần kinh tích chập, các kiến thức xử lý ảnh, các thuật toán nhận dạng hình ảnh liên quan. Tiếp đến là mô hình CNN, một mô hình phổ biến và là mô hình nền tảng mà mô hình YOLO sử dụng. Cuối cùng là tôi sẽ giới thiệu mô hình YOLO, cấu trúc, cách hoạt động và điểm khác biệt là gì khi so với mô hình CNN. Đề xuất mô hình để giải quyết vấn đề được tạo ra, đánh giá mô hình, cũng như cách huấn luyện dữ liệu mới (dữ liệu tự tạo) trong YOLO.

Chương 3: Thiết kế và xây dựng mô hình ứng dụng 6 Trong chương này chủ yếu thực hiện thiết kế mô hình tạo hoá đơn thanh toán tự động, mô tả hệ thống, mô tả dữ liệu thu thập, khai báo danh sách các đối tượng được nhận dạng trong mô hình, mỗi công đoạn đều có các dữ liệu cụ thể, các thuật toán và mô hình cũng được đề xuất và thực thi trên các ví dụ cụ thể. Mô tả quy trình thực hiện phát hiện vật thể, thiết kế hệ thống nhận diện bằng YOLO. Lên kịch bản sử dụng tập dữ liệu mẫu tự tạo, các thông số của mô hình, huấn luyện dữ liệu tự tạo, quá trình kiểm tra và phân tích ưu nhược điểm để có kết quả tốt nhất khi sử dụng mô hình ứng dụng. Chương 4: Thực nghiệm và đánh giá ứng dụng Trong chương này mô tả quá trình thực nghiệm, kết quả và đánh giá kết quả thực nghiệm của ứng dụng đã xây dựng.

Ứng dụng xây dựng trên một ngôn ngữ lập trình và trên một bộ dữ liệu tự đề xuất. Xây dựng ứng dụng cho việc phát hiện vật thể một cách trực tiếp và theo thời gian thực thông qua camera được kết nối với máy tính và sử dụng mô hình tốt nhất sau khi huấn luyện. Xây dựng kịch bản chạy thử nghiệm, quá trình chạy thử nghiệm, và phân tích kết quả. Chương 5: Kết luận Tóm lược luận văn: những kết quả đạt được của đề tài so với mục tiêu đặt ra, những hạn chế, cải tiến mở rộng của giải pháp và hướng nghiên cứu và phát triển tiếp theo cho đề tài hiện tại.

Tổng quan về đề tài Hiện nay, tại nhiều hệ thống siêu thị, trung tâm thương mại, đại lý phân phối và điểm bán lẻ, việc sử dụng quét mã vạch để thanh toán sản phẩm đang trở thành lựa chọn phổ biến, tiết kiệm công sức và thời gian. Mặt khác, máy bán hàng tự động cũng đang dần rất phổ biến ở nhiều nơi, đặc biệt là các thành phố lớn hoặc ở các khu vực đông người của nhiều thành phố lớn nhỏ đều cũng đã xuất hiện máy bán hàng tự động. Sự phổ biến của máy bán hàng tự động giúp cho mọi người tiện lợi hơn khi mua các thức uống hoặc thức ăn một cách gọn 7 nhẹ thông qua chức năng chọn và thanh toán. Mỗi mặt hàng đều sẽ được đặt tại từng ô và sẽ được chọn dựa theo số.

Sau đó, người dùng sẽ phải bỏ số tiền tương ứng vào nhằm thanh toán sản phẩm mình đã chọn. 1 Mô hình máy bán tự động Nguồn ảnh: https://cafebiz. 2 Mô hình máy bán tự động Nguồn ảnh: tuoitre.vn Tuy nhiên tại các địa điểm buôn bán như căn tin trường học hoặc nhà máy sản xuất, món ăn lại không có mã vạch nhưng lại cần tạo hóa đơn thanh toán cho số lượng lớn học sinh hoặc công nhân trong thời gian ngắn. Ngoài ra, nếu sử dụng các máy bán hàng tự động trong trường hợp này thì máy bán hàng tự động cũng chỉ sẽ đáp ứng được cho học sinh hay công nhân đối với các sản phẩm như chai nước, sữa hay một số loại bánh nhất định.

Điều này có một số vấn đề sau: đầu tiên là các máy bán hàng tự động hiện tại còn gặp khá nhiều các vấn đề liên quan đến việc vận hành như máy hư, bị lỗi khi bán, tiếp đến là khi nhận tiền mặt thì các máy khá khó chịu với các tờ tiền không được thẳng, nhăn nheo, đặc biệt là không thối lại tiền thừa và cuối cùng là máy bán hàng tự động không đáp ứng được về mặt các thức ăn như bánh mì, phở, bún,. các loại thức ăn chính nhằm cung cấp đủ dinh dưỡng cho học sinh hoặc người lao động có thể hoạt động một cách hiệu quả trong thời gian tiếp theo. 9 Vấn đề đặt ra là cung cấp giải pháp để tạo hóa đơn thanh toán các món ăn một cách nhanh chóng và tự động. Đề tài này nghiên cứu và xây dựng giải pháp giải quyết vấn đề nêu trên bằng cách áp dụng mô hình thuật toán nhận dạng hình ảnh món ăn để tạo hóa đơn thanh toán nhanh cho các các món ăn tại căn tin của trường học.

Dựa trên cơ sở đó, giải pháp được xây dựng giải quyết được vấn đề thanh toán tính tiền tự động cho các món hàng mà không cần gán mã vạch. Dữ liệu hình ảnh các món ăn, món hàng dùng để thử nghiệm và đánh giá giải pháp được lấy tại căn tin của một trường học cụ thể. Ý tưởng của đề tài là học sinh sau khi chọn món và các thức ăn đã được chế biến xong hoặc các mặt hàng có sẵn như chai nước, sữa,. đã được chọn và đưa lên khay, học sinh sẽ đặt khay vào khu vực được quy định để thanh toán.

Tại khu vực này, căn tin sẽ lắp một camera có chức năng chụp ảnh và đưa ra thông tin trong khay có những sản phẩm nào, từ đó phân loại và dựa vào kết quả đó sẽ tính toán được giá trị của khay và xuất ra hóa đơn. Học sinh sẽ cầm hoá đơn này để thanh toán tại quầy. Từ đó, sẽ giảm được khối lượng công việc của người bán cũng như là tăng độ chính xác và tốc độ phục vụ. 3 Minh Họa khay đồ ăn học sinh ì Phạmnvi của bài nghiên cứu này hiện chỉ đang xét một số các mặt hàng cố định bao gồm: h 2 - Dạng.

Tô (Như tô phở, bún) S E Q H ì n 10 - Dạng Sữa hộp - Dạng Hộp thức ăn - Dạng Chai nước (pepsi, coca, …) - Dạng Bánh mì Và các mặt hàng này sẽ được định giá là như nhau ở mỗi loại sản phẩm. Điều này cũng thể xem như là một mặt hạn chế vì trong một số trường hợp thì các sản phẩm như phở hay bún hoặc các loại nước sẽ có giá khác nhau tùy thuộc vào đặc trưng. Tuy nhiên ở đây chỉ đang sử dụng các hình dáng chung để có thể phân loại nên việc gộp các sản phẩm này thành chung một giá sẽ là hữu hiệu nhất. Các nghiên cứu liên quan Kể từ khi mô hình học sâu về thị giác máy tính là Convolutional neural network (CNN) được đề xuất bởi Yann Lecun cùng với sự phát triển vượt bậc của sức mạnh tính toán thì các mô hình về thị giác máy tính đã bùng nổ một cách mạnh mẽ với nhiều mô hình và thuật toán mới được phát triển liên tục.

Các mô hình thị giác máy tính được ứng dụng phổ biến, rộng rãi với nhiều ngành nghề và nhiều thiết bị như xe tự hành, bảo mật, xử lý ảnh y tế cho đến những ứng dụng cho các thiết bị nhỏ như: ứng dụng trên Smartphone, các thiết bị IoT. Ở trên thế giới, các nghiên cứu về phát hiện và phân loại đối tượng bằng mô hình học sâu có khá nhiều. Có thể kể đến như Zhang, Z. (2019) về “phát hiện vật thể xe tự lái”.

cho mô hình học sâu về “sử dụng phát hiện và phân loại vật thể được sử dụng trong y khoa”. Trong các hệ thống giám sát thì nghiên cứu của Rasheed, Z. có chỉ ra “mô hình phát hiện và phân loại đối tượng cho phép các hệ thống giám sát phát hiện và theo dõi các đối tượng quan tâm trong thời gian thực”, tăng cường khả năng giám sát và bảo mật. Trong mảng robotics mô hình phát hiện và phân loại vật thể giúp hỗ trợ hệ thống robot tương tác với môi trường, “xác định các đối tượng và thực hiện các nhiệm vụ” như nắm bắt hoặc thao tác đối tượng theo nghiên cứu của Lowe, D.

11 Trong nước, các nghiên cứu đi sâu vào các trường hợp và ứng dụng cụ thể hơn như “hệ thống nhận dạng gương mặt trong video giám sát” của Trần Trung Kiên năm 2013. “Ứng dụng neural network để phân loại khuôn mặt” của Nguyễn Trường Tân, 2013. Nguyễn Thị Thủy, 2018 “Sử dụng mô hình học sâu để nhận dạng khuôn mặt người và ứng dụng trong quản lý nhân sự”. Như có thể thấy, phần lớn các nghiên cứu trên toàn cầu đều mang tính lý thuyết mà chưa đưa vào thực tiễn nhiều.

Trong nước cũng có số ít các nghiên cứu đưa vào thực tiễn, tuy nhiên lại ứng dụng khá nhiều vào khuôn mặt cũng như là giám sát hành động mà chưa có nhiều ứng dụng vào trường học. Đặc biệt, việc áp dụng các ứng dụng vào thực tế nhằm cải thiện chất lượng cuộc sống của học sinh. Vì khi các em có một sức khỏe tinh thần tốt thì khi đó mới có thể chuyên tâm vào công việc học tập. Do đó, đây là động lực để tôi có thể tiến hành nghiên cứu này.

Computer Vision - Thị giác máy tính Thị giác máy tính là một mảng nhỏ trong công nghệ máy học với chức năng chính là trích xuất thông tin từ ảnh hoặc video để có thể hiểu được hoặc trình bày dưới dạng ngôn ngữ hoặc thông tin cần thiết cho người dùng. Lĩnh vực thị giác máy tính bao gồm một số các mảng như phân loại ảnh, xác định vật thể, phát hiện vật thể và các mảng nhỏ khác tùy theo nhu cầu nhận diện hoặc trích xuất thông tin từ ảnh mà sẽ có những kỹ thuật khác nhau khi thực hiện. Trong đó, phân loại hình ảnh chỉ đơn giản là gán cho hình ảnh một lớp dựa trên các đối tượng bên trong hình ảnh.