Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh kinh tế và đời sống xã hội ngày càng phát triển, nhu cầu mua sắm tại các siêu thị và cửa hàng tiện lợi gia tăng nhanh chóng. Máy tính tiền trở thành thiết bị không thể thiếu trong mô hình bán lẻ hiện đại. Tuy nhiên, tình trạng khách hàng phải xếp hàng dài chờ đợi thanh toán vẫn diễn ra thường xuyên do hai nguyên nhân chính:

  • Vào giờ cao điểm, lượng khách mua sắm quá đông khiến các quầy thu ngân không kịp xử lý dù đã mở tối đa công suất.
  • Vào khung giờ vắng khách, ban quản lý siêu thị thường cắt giảm số lượng nhân viên thu ngân để tiết kiệm chi phí vận hành, dẫn đến việc thiếu quầy thanh toán phục vụ khách hàng.

Bên cạnh đó, phương thức tính tiền truyền thống phụ thuộc vào việc nhân viên quét mã vạch trên từng sản phẩm, đôi khi gặp lỗi không thể quét được mã vạch gây mất thời gian và giảm trải nghiệm mua sắm. Xuất phát từ thực tế đó, đề tài "Thiết kế và thi công hệ thống máy thanh toán tự động" được thực hiện nhằm xây dựng một mô hình máy tính tiền tự động gọn gàng, trực quan, giúp khách hàng chủ động thanh toán và hỗ trợ doanh nghiệp tối ưu hóa chi phí nhân sự.

Mục tiêu nghiên cứu chính của đồ án gồm:

  • Thiết kế và chế tạo mô hình máy thanh toán tự động cho phép người dùng tự thao tác mà không cần nhân viên thu ngân hỗ trợ.
  • Tích hợp camera thu nhận hình ảnh thời gian thực để tự động nhận diện sản phẩm hoa quả (táo, chanh, lê).
  • Tích hợp cảm biến Loadcell và module chuyển đổi HX711 để đo chính xác trọng lượng sản phẩm.
  • Xử lý dữ liệu tại bộ điều khiển trung tâm, tính toán tổng tiền dựa trên đơn giá niêm yết, hiển thị kết quả lên màn hình/giao diện web và xuất mã QR để khách hàng thanh toán trực tuyến qua ngân hàng.

Nhiệm vụ nghiên cứu được văn bản xác định cụ thể theo 4 nội dung:

  1. Hoàn thành đồ án đúng thời hạn quy định.
  2. Đảm bảo toàn bộ hệ thống hoạt động ổn định, đáp ứng đúng các tiêu chí kỹ thuật đã đề ra.
  3. Xây dựng giao diện hiển thị thông tin trực quan, rõ ràng, dễ nhìn và thuận tiện cho người sử dụng.
  4. Hoàn thiện mô hình phần cứng của hệ thống đảm bảo tiêu chí sạch sẽ, thẩm mỹ và gọn gàng.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu:
    • Phần cứng: Máy tính nhúng Raspberry Pi 4, vi điều khiển ESP32, Camera Pi Module, cảm biến trọng lượng Loadcell 5kg, module chuyển đổi tín hiệu HX711, màn hình LCD 16x2 tích hợp module giao tiếp I2C, các chuẩn giao tiếp nối tiếp UART và I2C.
    • Phần mềm và công cụ: Ngôn ngữ lập trình Python, C/C++, HTML, CSS, JavaScript; thư viện xử lý ảnh OpenCV; nền tảng web backend Django Rest Framework; các môi trường phát triển và mô phỏng gồm Proteus 8, Arduino IDE, PyCharm và Visual Studio Code.
  • Phạm vi nghiên cứu: Giới hạn ở mô hình thực nghiệm nhận diện 3 loại trái cây thông dụng (táo, chanh, lê) dựa trên thuật toán phân vùng không gian màu HSV, kết hợp cân trọng lượng và xuất mã QR thanh toán qua cổng giao tiếp trực tuyến.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật được tác giả sử dụng trong đồ án bao gồm:

  • Lý thuyết xử lý ảnh số: Các khái niệm nền tảng về điểm ảnh (pixel), ma trận ảnh số $f(x,y)$, cấu trúc lân cận điểm ảnh ($N_4(p)$, $N_D(p)$, $N_8(p)$), phân loại ảnh màu và ảnh mức xám (0–255), mô hình biểu diễn ảnh Raster và Vector.
  • Không gian màu và phân vùng ảnh: Mô hình không gian màu RGB (24-bit, hơn 16 triệu màu) và mô hình HSV (Hue: 0–360°, Saturation: 0–255, Value: 0–255). Hệ màu HSV được chọn làm nền tảng trích xuất đặc trưng do khả năng phân tách độc lập giữa thông tin màu sắc và độ sáng, giúp thiết lập các ngưỡng màu (color thresholding) và tạo mặt nạ (mask) nhị phân để nhận diện vật thể.
  • Khung phần mềm và kiến trúc web: Nền tảng Django Rest Framework xây dựng theo mô hình MVT (Model – View – Template), quản lý giao tiếp API giữa máy chủ cơ sở dữ liệu và ứng dụng giao diện người dùng/quản trị viên (ADMIN).
  • Chuẩn truyền thông nhúng: Giao thức truyền thông nối tiếp bất đồng bộ UART (Universal Asynchronous Receiver Transmitter) giữa Raspberry Pi và ESP32; giao thức nối tiếp đồng bộ I2C (Inter-Integrated Circuit) với cấu trúc Master-Slave giữa vi điều khiển và màn hình LCD 16x2.

Phương pháp nghiên cứu thực tế đã triển khai:

  • Phương pháp nghiên cứu tài liệu: Tổng hợp tài liệu thông số kỹ thuật (datasheet) của các linh kiện nhúng, chuẩn giao tiếp và các công trình liên quan đến hệ thống bán lẻ tự động.
  • Phương pháp thực nghiệm xác định dải màu HSV: Tiến hành lấy mẫu hình ảnh thực tế từ các mẫu quả có nhiều sắc độ khác nhau dưới điều kiện chiếu sáng thực tế, tinh chỉnh và xác lập các khoảng giá trị ngưỡng màu HSV tương ứng cho từng loại quả.
  • Phương pháp thiết kế và mô phỏng hệ thống: Thiết kế sơ đồ nguyên lý mạch điện trên phần mềm Proteus 8; lập trình mô-đun phần cứng và phần mềm riêng biệt; sau đó ghép nối toàn diện thành mô hình hoàn chỉnh để đánh giá độ ổn định.

Bảng tổng hợp dải giá trị màu HSV thực nghiệm dùng cho nhận diện 3 loại quả:

Loại quả Sắc độ thực tế Khoảng giá trị HSV $[(H_{min}, S_{min}, V_{min}) \div (H_{max}, S_{max}, V_{max})]$
Táo Đỏ sẫm $(169, 43, 47) \div (180, 235, 127)$
Táo Đỏ tươi $(0, 153, 45) \div (7, 253, 255)$
Táo Đỏ cam $(8, 185, 120) \div (15, 255, 185)$
Chanh Xanh lá sẫm / Xanh lá / Xanh ngả vàng $(26, 102, 40) \div (51, 255, 255)$
Lê Vàng sẫm $(18, 120, 91) \div (20, 233, 185)$
Lê Vàng tươi $(21, 150, 126) \div (25, 251, 200)$

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc module phân tán, kết hợp giữa tầng xử lý nhúng thu thập dữ liệu và tầng xử lý trung tâm/ứng dụng web.

1. Thiết kế phần cứng

Phần cứng của hệ thống bao gồm 5 khối chức năng chính:

  • Khối xử lý trung tâm 1 (Raspberry Pi 4): Sử dụng vi xử lý ARM Cortex-A72 lõi tứ 64-bit (1.5 GHz), RAM 4GB LPDDR4, chạy hệ điều hành Linux. Đảm nhiệm chức năng thu nhận luồng video từ Camera Pi qua cổng MIPI CSI 2 làn, chạy thuật toán xử lý ảnh OpenCV bằng Python để nhận diện loại quả, nhận dữ liệu cân nặng từ ESP32 qua cổng UART (GPIO14 - TXD0, GPIO15 - RXD0), xử lý tính toán giá tiền và gửi API lên máy chủ web.
  • Khối xử lý trung tâm 2 (ESP32): Sử dụng vi xử lý Tensilica Xtensa LX6 lõi kép (xung nhịp 240 MHz), tích hợp Wi-Fi và Bluetooth. Module chịu trách nhiệm đọc tín hiệu số từ module khuếch đại HX711, xử lý giá trị trọng lượng và xuất dữ liệu ra màn hình LCD 16x2 qua chuẩn I2C, đồng thời truyền chuỗi dữ liệu trọng lượng sang Raspberry Pi qua giao tiếp UART.
  • Khối cảm biến trọng lượng: Sử dụng Loadcell dạng thanh tải trọng tối đa 5kg với cấu trúc cầu điện trở Wheatstone, kết hợp module chuyển đổi tương tự - số (ADC) 24-bit HX711 có tốc độ lấy mẫu tùy chọn 10Hz/80Hz.
  • Khối thu nhận hình ảnh: Sử dụng Camera Pi Module chuyên dụng kết nối trực tiếp với Raspberry Pi qua cáp dẹt CSI.
  • Khối hiển thị và nút nhấn: Màn hình LCD 16x2 tích hợp mạch chuyển đổi I2C giúp tiết kiệm chân giao tiếp; hệ thống nút nhấn cơ học kết nối với các chân GPIO của Raspberry Pi (nút "Bắt đầu" và nút "Xác nhận").

Bảng thông số kỹ thuật các linh kiện chính trong hệ thống:

Linh kiện / Thiết bị Thông số kỹ thuật chính Vai trò / Giao tiếp trong hệ thống
Raspberry Pi 4 ARM Cortex-A72 4 nhân 1.5GHz, 4GB RAM LPDDR4, 28 chân GPIO Xử lý ảnh OpenCV, tính toán giá tiền, gửi API server
ESP32 SoC Tensilica Xtensa LX6 Dual-Core 240MHz, 30 chân I/O Đọc cảm biến trọng lượng, điều khiển LCD, truyền UART
Module HX711 Bộ biến đổi ADC 24-bit độ chính xác cao, nguồn 2.6V–5.5V Khuếch đại và số hóa tín hiệu vi sai từ Loadcell
Loadcell 5kg Tải trọng tối đa 5kg, vật liệu hợp kim nhôm, 4 dây ngõ ra Cảm ứng biến dạng đo lực đè của sản phẩm
Màn hình LCD 16x2 Kích thước 2 dòng x 16 ký tự, điện áp 5V, tích hợp module I2C Hiển thị giá trị cân nặng tại bàn cân qua I2C
Camera Pi Module Cảm biến hình ảnh kỹ thuật số, giao tiếp MIPI CSI Thu nhận khung hình thời gian thực của sản phẩm

2. Thiết kế phần mềm và luồng giải thuật

Hệ thống phần mềm được tổ chức thông qua các lưu đồ giải thuật đồng bộ:

  • Lưu đồ chương trình chính: Khách hàng kéo bàn cân ra khỏi vị trí -> Đặt sản phẩm lên bàn cân -> Đẩy bàn cân vào buồng nhận diện -> Cảm biến Loadcell đo trọng lượng -> Nhấn nút "Bắt đầu" -> Camera Pi chụp ảnh/quay video -> Raspberry Pi chuyển đổi khung hình sang HSV, áp mask màu để nhận diện tên quả -> Nhấn nút "Xác nhận" -> Thông tin sản phẩm (tên, cân nặng, đơn giá, thành tiền) được gửi qua API hiển thị lên màn hình/giao diện web -> Khách hàng nhấn "Thanh toán" -> Hệ thống tạo và hiển thị mã QR thanh toán ngân hàng.
  • Chương trình truyền thông và Web Server: Sử dụng Django Rest Framework để xây dựng các API endpoint nhận dữ liệu JSON từ Raspberry Pi, lưu trữ thông tin giao dịch vào cơ sở dữ liệu, hiển thị giao diện bán hàng cho người dùng và giao diện ADMIN quản trị sản phẩm/khách hàng.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu tổng quan bối cảnh phát triển của các mô hình bán lẻ và sự cần thiết của máy tính tiền tự động trong việc khắc phục tình trạng ùn tắc thanh toán và giảm tải chi phí nhân công. Tác giả xác định rõ mục tiêu nghiên cứu là xây dựng một mô hình máy thanh toán tự động tích hợp xử lý ảnh và cảm biến trọng lượng, xác lập 4 nhiệm vụ nghiên cứu cụ thể, phân định rõ đối tượng và phạm vi nghiên cứu thực nghiệm với 3 loại quả (táo, chanh, lê), đồng thời khái quát phương pháp nghiên cứu tài liệu và mô phỏng hệ thống.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày chi tiết nền tảng lý thuyết xử lý ảnh số gồm các khái niệm điểm ảnh, ảnh số, lân cận điểm ảnh ($N_4, N_D, N_8$), phân biệt ảnh Raster và Vector, các kỹ thuật phân vùng ảnh và so sánh giữa không gian màu RGB với HSV. Tác giả giải thích chi tiết phương pháp chuyển đổi từ RGB sang HSV và nguyên lý nhận diện vật thể dựa trên việc tạo mask ngưỡng màu thông qua thư viện OpenCV bằng Python. Chương này cũng phân tích thông số kỹ thuật và nguyên lý hoạt động của các linh kiện phần cứng (Raspberry Pi 4, ESP32, module ADC HX711, Loadcell 5kg, LCD 16x2 I2C, Camera Pi), các chuẩn giao tiếp nối tiếp UART, I2C, mô hình MVC/MVT trong Django Rest Framework và các công cụ phát triển phần mềm (Proteus, Arduino IDE, PyCharm, Visual Studio Code).

Chương 3: Thiết kế và xây dựng hệ thống

Chương 3 đi sâu vào thiết kế kỹ thuật của hệ thống. Tác giả xây dựng sơ đồ khối tổng thể, phân tích chức năng của từng khối và mô tả chi tiết nguyên lý vận hành toàn hệ thống. Phần thiết kế phần cứng trình bày sơ đồ nguyên lý nối dây chi tiết giữa ESP32 với module HX711/Loadcell, ESP32 với màn hình LCD qua module I2C, nút nhấn và Camera Pi với Raspberry Pi 4, cũng như đường truyền dữ liệu UART giữa hai bộ xử lý. Phần thiết kế phần mềm cung cấp các lưu đồ giải thuật gồm: lưu đồ chương trình chính, lưu đồ chương trình con ESP32, lưu đồ chương trình con gửi/nhận địa chỉ API và lưu đồ hoạt động của giao diện Web.

Chương 4: Kết quả thực hiện hệ thống

Chương 4 công bố kết quả thi công mô hình phần cứng thực tế với hình ảnh chụp đa hướng (trái, phải, trên, ngang) và đánh giá khả năng vận hành của hệ thống. Tác giả trình bày kết quả nhận diện thực tế của 3 loại quả:

  • Táo ở các sắc độ đỏ sẫm, đỏ tươi, đỏ cam.
  • Chanh ở các sắc độ xanh lá sẫm, xanh lá, xanh ngả vàng.
  • Lê ở các sắc độ vàng sẫm, vàng tươi.

Chương này minh họa toàn bộ quy trình tương tác thực tế từ lúc đặt quả lên bàn cân, nhấn nút nhận diện, hiển thị trọng lượng và giá tiền lên giao diện web/điện thoại, đến bước xuất mã QR và xác nhận thanh toán thành công. Đồng thời, chương 4 cũng hiển thị giao diện trang quản trị ADMIN (quản lý sản phẩm táo, chanh, lê; quản lý danh sách khách hàng), cửa sổ terminal gửi nhận API và đưa ra các nhận xét, đánh giá về độ ổn định của hệ thống.

Chương 5: Kết luận và hướng phát triển

Chương 5 tổng kết lại toàn bộ kết quả nghiên cứu đã đạt được trong việc thiết kế và thi công hệ thống máy thanh toán tự động, khẳng định mô hình đã thực hiện đúng các mục tiêu ban đầu về nhận diện hình ảnh thời gian thực, đo trọng lượng và thanh toán qua mã QR. Đồng thời, tác giả chỉ ra các hạn chế kỹ thuật còn tồn tại và đề xuất các hướng phát triển mở rộng cho hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả thực nghiệm chính của đồ án:

  • Thi công hoàn thiện mô hình máy thanh toán tự động dạng trạm cân khép kín, hoạt động đồng bộ giữa hai khối vi xử lý Raspberry Pi 4 và ESP32.
  • Nhận diện chính xác 3 loại quả (táo, chanh, lê) ở các sắc độ màu sắc khác nhau trong thời gian thực bằng thuật toán phân vùng ngưỡng màu HSV kết hợp OpenCV.
  • Đo chính xác khối lượng sản phẩm thông qua Loadcell 5kg và module HX711, hiển thị đồng thời giá trị trọng lượng lên màn hình LCD 16x2 tại chỗ và gửi dữ liệu về Raspberry Pi.
  • Xây dựng hoàn chỉnh hệ thống Web Application bằng Django Rest Framework, hỗ trợ tự động tính tiền theo đơn giá, hiển thị thông tin sản phẩm trên điện thoại/máy tính, sinh mã QR thanh toán ngân hàng trực tuyến và cung cấp trang quản trị ADMIN để quản lý sản phẩm, dữ liệu giao dịch.

Giải pháp và kiến nghị đề xuất:

  • Cần thiết kế buồng nhận diện có hệ thống chiếu sáng ổn định, tránh ánh sáng tán xạ từ môi trường ngoài làm sai lệch giá trị HSV.
  • Bổ sung cơ chế bảo vệ cơ khí cho bàn cân Loadcell nhằm chống quá tải khi người dùng vô tình tì đè vật nặng vượt quá 5kg.

Đóng góp của đồ án:

  • Đưa ra giải pháp kỹ thuật tích hợp phần cứng giá thành thấp (kết hợp vi điều khiển ESP32 và máy tính nhúng Raspberry Pi 4) để tự động hóa khâu thanh toán hàng hóa nông sản tại các siêu thị mini, cửa hàng tiện lợi mà không cần đầu tư các hệ thống POS thương mại đắt tiền.
  • Hiện thực hóa quy trình thanh toán không tiền mặt khép kín thông qua mã phản hồi nhanh (QR Code) kết nối trực tiếp với cổng thanh toán ngân hàng.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được chỉ ra trong văn bản:

  • Thuật toán nhận diện dựa trên ngưỡng màu HSV còn nhạy cảm với sự thay đổi của cường độ ánh sáng và góc chiếu môi trường xung quanh.
  • Số lượng loại quả nhận diện còn ít (mới dừng lại ở 3 loại: táo, chanh, lê); chưa hỗ trợ nhận diện các loại hàng hóa đóng gói hoặc sản phẩm có màu sắc trùng nhau.
  • Hệ thống chỉ nhận diện từng sản phẩm đơn lẻ tại một thời điểm đặt trên bàn cân, chưa hỗ trợ nhận diện đồng thời nhiều loại quả khác nhau đặt lẫn lộn.

Hướng phát triển tiếp theo của đề tài:

  • Mở rộng tập dữ liệu và ứng dụng các mô hình học sâu (Deep Learning/CNN) để nhận diện sản phẩm dựa trên đặc trưng hình dạng, vân bề mặt thay vì chỉ phụ thuộc vào màu sắc.
  • Mở rộng danh mục hàng hóa nhận diện cho nhiều chủng loại rau, củ, quả và mặt hàng tiêu dùng khác.
  • Thiết kế buồng chiếu sáng tiêu chuẩn khép kín với dải đèn LED chuyên dụng nhằm cố định cường độ sáng.
  • Bổ sung module máy in hóa đơn nhiệt (POS Printer) và máy quét mã vạch phụ trợ để phục vụ đa dạng nhu cầu thanh toán thực tế.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành: Công nghệ Kỹ thuật Điện tử - Viễn thông, Kỹ thuật Máy tính, Hệ thống Nhúng và IoT, Kỹ thuật Cơ điện tử, và Công nghệ Thông tin.

Các nội dung có giá trị tham khảo ứng dụng cao gồm:

  • Thiết kế mạch tích hợp và kỹ thuật phân chia nhiệm vụ xử lý giữa vi điều khiển thời gian thực (ESP32) và máy tính nhúng (Raspberry Pi 4) qua giao tiếp UART.
  • Phương pháp thực nghiệm xác định dải ngưỡng màu HSV và quy trình lập trình xử lý ảnh thời gian thực với OpenCV trên nền tảng nhúng Linux.
  • Kỹ thuật xây dựng RESTful API với Django Rest Framework để kết nối phần cứng nhúng với giao diện web và dịch vụ thanh toán mã QR.

Câu hỏi thường gặp

1. Hệ thống phân chia nhiệm vụ xử lý phần cứng giữa Raspberry Pi 4 và ESP32 như thế nào?
Raspberry Pi 4 đóng vai trò máy chủ trung tâm, đảm nhiệm việc thu nhận hình ảnh từ Camera Pi qua cổng CSI, chạy thuật toán nhận diện màu sắc OpenCV bằng Python, tính toán tổng tiền và gửi dữ liệu API lên web server. Vi điều khiển ESP32 chịu trách nhiệm đọc dữ liệu từ cảm biến trọng lượng Loadcell 5kg qua module HX711, điều khiển màn hình LCD 16x2 qua I2C và truyền giá trị cân nặng sang Raspberry Pi qua cổng giao tiếp UART.

2. Phương pháp nhận diện quả táo, chanh, lê trong đồ án hoạt động theo nguyên lý nào?
Phương pháp hoạt động dựa trên phân vùng ảnh theo ngưỡng màu trong không gian màu HSV. Khung hình RGB từ Camera Pi được chuẩn hóa và chuyển đổi sang HSV. Hệ thống sử dụng các dải giá trị $[(H_{min}, S_{min}, V_{min}) \div (H_{max}, S_{max}, V_{max})]$ đã được thực nghiệm để tạo mặt nạ (mask) nhị phân cho từng loại quả (táo, chanh, lê), so sánh và đưa ra kết luận nhận diện loại quả tương ứng.

3. Khối cảm biến trọng lượng của hệ thống sử dụng linh kiện gì và có giới hạn đo là bao nhiêu?
Khối cảm biến trọng lượng sử dụng cảm biến tải trọng Loadcell 5kg dạng thanh (hoạt động theo nguyên lý cầu điện trở Wheatstone) kết hợp module chuyển đổi tín hiệu tương tự - số 24-bit HX711, cho phép đo trọng lượng hàng hóa tối đa là 5kg.

4. Dải màu HSV được xác định cho các sắc độ của quả Táo trong đồ án là bao nhiêu?
Tác giả đã xác định 3 dải màu HSV cho quả Táo tương ứng với các sắc độ:

  • Đỏ sẫm: $(169, 43, 47) \div (180, 235, 127)$
  • Đỏ tươi: $(0, 153, 45) \div (7, 253, 255)$
  • Đỏ cam: $(8, 185, 120) \div (15, 255, 185)$

5. Quy trình thanh toán không dùng tiền mặt được thực hiện như thế nào trên hệ thống?
Sau khi hệ thống nhận diện được tên loại quả và đo xong trọng lượng, Raspberry Pi gửi thông tin qua API đến web server Django để tính tiền. Khi người dùng nhấn nút "Thanh toán" trên màn hình giao diện, hệ thống sẽ tự động tạo một mã QR liên kết tài khoản ngân hàng để khách hàng quét mã và hoàn tất thanh toán trực tuyến mà không cần dùng tiền mặt.

Kết luận

Đồ án "Thiết kế và thi công hệ thống máy thanh toán tự động" của sinh viên Bùi Phạm Đức Huy và Lê Kiều My đã hoàn thành trọn vẹn các mục tiêu nghiên cứu và nhiệm vụ kỹ thuật được giao. Hệ thống tích hợp thành công giải pháp nhận diện hoa quả thời gian thực bằng thuật toán phân vùng màu HSV trên OpenCV, đo lường trọng lượng qua Loadcell/HX711 và xử lý tính toán đồng bộ trên nền tảng Raspberry Pi 4 kết hợp ESP32. Kết quả nghiên cứu cung cấp một mô hình thực nghiệm hoàn chỉnh về quầy tự thanh toán qua mã QR, đóng vai trò là tài liệu tham khảo kỹ thuật giá trị trong lĩnh vực hệ thống nhúng và ứng dụng IoT bán lẻ.