Tổng quan nghiên cứu

Việc trích xuất thông tin từ các tờ hóa đơn bán hàng đóng vai trò quan trọng trong việc tự động hóa quy trình nhập liệu, giúp tiết kiệm thời gian và công sức cho doanh nghiệp. Theo ước tính, việc nhập liệu thủ công các hóa đơn có thể chiếm đến hàng giờ mỗi ngày, gây tốn kém nguồn lực và dễ phát sinh sai sót. Đề tài nghiên cứu nhằm xây dựng một hệ thống ứng dụng xử lý ảnh để nhận dạng và trích xuất thông tin từ các tờ hóa đơn bán hàng, sử dụng các kỹ thuật xử lý ảnh số và học máy. Phạm vi nghiên cứu tập trung vào các hóa đơn đánh máy bằng chữ in hoa, font Arial cỡ 12-16, với hình ảnh rõ nét, không bị nghiêng, trong khoảng thời gian từ năm 2014 đến 2017 tại Việt Nam.

Mục tiêu cụ thể của nghiên cứu là phát triển một chương trình có khả năng xác định dòng, tách ký tự, huấn luyện mô hình nhận dạng và trích xuất dữ liệu chính xác, đồng thời lưu trữ kết quả dưới dạng file Excel để thuận tiện cho việc theo dõi và chỉnh sửa. Độ chính xác nhận dạng đạt khoảng 70% với ký tự chữ và lên tới 80% với ký tự số, góp phần giảm tải đáng kể công việc nhập liệu thủ công. Nghiên cứu có ý nghĩa thực tiễn lớn trong việc nâng cao hiệu quả quản lý dữ liệu bán hàng, hỗ trợ doanh nghiệp trong việc kiểm soát thu chi, tồn kho và phân tích kinh doanh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Xử lý ảnh số (Digital Image Processing): Ảnh số được biểu diễn dưới dạng ma trận điểm ảnh (pixel), với các phép biến đổi hình học và nội dung nhằm tăng cường chất lượng ảnh, loại bỏ nhiễu và chuẩn bị dữ liệu cho nhận dạng. Các kỹ thuật như chuyển đổi không gian màu (RGB, CMYK, HSV), nhị phân hóa ảnh, cân bằng histogram, biến đổi hình thái (Erosion, Dilation, Opening, Closing) được áp dụng để xử lý ảnh hóa đơn.

  • Nhận dạng ký tự quang học (Optical Character Recognition - OCR): Là quá trình chuyển đổi hình ảnh chứa ký tự thành dữ liệu văn bản có thể xử lý được. Luận văn sử dụng thuật toán SVM (Support Vector Machines) kết hợp hàm Kernel RBF để huấn luyện và nhận dạng ký tự, dựa trên các đặc trưng trích xuất từ ảnh ký tự đã được chuẩn hóa kích thước 80x80 pixel.

  • Mô hình phần mềm và công cụ: Sử dụng thư viện mã nguồn mở OpenCV cho xử lý ảnh và các lớp của QT Creator để xây dựng giao diện và quản lý dữ liệu. OpenCV cung cấp hơn 2500 thuật toán tối ưu cho xử lý ảnh và thị giác máy, trong khi QT Creator hỗ trợ phát triển ứng dụng đa nền tảng với giao diện đồ họa thân thiện.

Các khái niệm chính bao gồm: điểm ảnh (pixel), không gian màu, biến đổi hình thái, tách dòng và ký tự, huấn luyện mô hình SVM, và lưu trữ dữ liệu dạng Excel.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các hình ảnh hóa đơn bán hàng được chụp rõ nét, không nghiêng, sử dụng font chữ Arial in hoa cỡ 12-16. Cỡ mẫu huấn luyện gồm 100 mẫu ký tự, bao gồm cả chữ và số, được chuẩn bị để huấn luyện mô hình nhận dạng.

Phương pháp phân tích gồm các bước:

  1. Xử lý ảnh: Sử dụng các hàm Erode và Dilate trong OpenCV để loại bỏ nhiễu trắng và nối các ký tự cùng dòng, sau đó xác định vị trí dòng và tách từng dòng ra khỏi ảnh gốc.

  2. Tách ký tự: Dùng kỹ thuật vẽ đường thẳng màu trắng theo chiều cao đường bao ký tự để phân tách từng ký tự riêng biệt, lưu trữ vị trí trong cấu trúc dữ liệu QList của QT Creator.

  3. Huấn luyện mô hình: Chuẩn bị tập mẫu, trích xuất đặc trưng và huấn luyện mô hình SVM với hàm Kernel RBF để xây dựng thư viện nhận dạng ký tự.

  4. Nhận dạng và lưu trữ: So sánh ký tự tách được với thư viện huấn luyện để nhận dạng, sau đó lưu kết quả vào file text và chuyển sang file Excel để tiện theo dõi.

Timeline nghiên cứu kéo dài từ tháng 9/2014 đến tháng 10/2017, bao gồm giai đoạn thu thập dữ liệu, phát triển thuật toán, huấn luyện mô hình và thử nghiệm thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác nhận dạng: Với 100 mẫu thử nghiệm, hệ thống đạt khoảng 70% độ chính xác với ký tự chữ và 80% với ký tự số. Đây là mức độ chấp nhận được trong điều kiện số lượng mẫu huấn luyện còn hạn chế.

  2. Hiệu quả tách dòng và ký tự: Sử dụng các phép biến đổi hình thái (Erode, Dilate) giúp loại bỏ nhiễu trắng và nối các ký tự cùng dòng hiệu quả, tạo điều kiện thuận lợi cho việc tách ký tự chính xác. Tỷ lệ tách ký tự thành công đạt khoảng 85%.

  3. Ảnh hưởng của nhiễu và chất lượng ảnh: Các lỗi nhận dạng chủ yếu do nhiễu trắng chưa được triệt để loại bỏ, ký tự chưa tách rời hoàn toàn, và một số font chữ chưa được hỗ trợ đầy đủ. Hình ảnh hóa đơn có độ nét thấp hoặc bị nghiêng cũng làm giảm độ chính xác nhận dạng.

  4. Lưu trữ dữ liệu: Việc chuyển đổi dữ liệu nhận dạng sang file Excel giúp người dùng dễ dàng chỉnh sửa và quản lý thông tin. Tuy nhiên, một số dữ liệu chưa được sắp xếp đúng vị trí trong bảng, ảnh hưởng đến tính tiện dụng.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sai số trong nhận dạng là do số lượng mẫu huấn luyện còn hạn chế và nhiễu ảnh chưa được xử lý triệt để. So với các nghiên cứu khác sử dụng mã nguồn mở Tesseract với độ chính xác trên 90% cho nhiều ngôn ngữ, kết quả của đề tài vẫn còn khoảng cách do tập mẫu nhỏ và phạm vi ứng dụng giới hạn.

Việc sử dụng thuật toán SVM với Kernel RBF cho thấy hiệu quả trong việc nhận dạng ký tự đơn giản trên hóa đơn đánh máy, phù hợp với điều kiện thực tế tại Việt Nam. Kết quả có thể được trình bày qua biểu đồ cột so sánh tỷ lệ nhận dạng ký tự chữ và số, cũng như bảng thống kê các nguyên nhân gây lỗi nhận dạng.

Ý nghĩa của nghiên cứu là tạo ra một công cụ hỗ trợ nhập liệu tự động, giảm thiểu sai sót và tăng tốc độ xử lý dữ liệu bán hàng, góp phần nâng cao hiệu quả quản lý doanh nghiệp.

Đề xuất và khuyến nghị

  1. Mở rộng tập mẫu huấn luyện: Thu thập và bổ sung thêm các mẫu ký tự đa dạng về font chữ, kích thước và điều kiện ảnh nhằm nâng cao độ chính xác nhận dạng, đặt mục tiêu tăng độ chính xác lên trên 85% trong vòng 12 tháng, do nhóm phát triển phần mềm thực hiện.

  2. Cải tiến xử lý nhiễu ảnh: Áp dụng các kỹ thuật lọc nhiễu nâng cao như lọc Gaussian, lọc trung vị kết hợp với biến đổi hình thái để loại bỏ triệt để nhiễu trắng, giảm sai sót nhận dạng, hoàn thành trong 6 tháng tới bởi nhóm nghiên cứu xử lý ảnh.

  3. Tự động sắp xếp dữ liệu trong file Excel: Phát triển thuật toán tự động phân loại và sắp xếp dữ liệu nhận dạng vào đúng ô trong bảng Excel, giúp người dùng dễ dàng quản lý và chỉnh sửa, dự kiến hoàn thiện trong 9 tháng, do nhóm phát triển giao diện người dùng đảm nhiệm.

  4. Mở rộng phạm vi ứng dụng: Nghiên cứu áp dụng hệ thống cho các loại hóa đơn có định dạng phức tạp hơn, bao gồm hóa đơn viết tay hoặc có nhiều font chữ khác nhau, nhằm tăng tính ứng dụng thực tế, kế hoạch triển khai trong 18 tháng tới.

Đối tượng nên tham khảo luận văn

  1. Các nhà phát triển phần mềm xử lý ảnh và OCR: Luận văn cung cấp phương pháp và thuật toán cụ thể để xây dựng hệ thống nhận dạng ký tự trên hóa đơn, giúp họ tham khảo và phát triển các ứng dụng tương tự.

  2. Doanh nghiệp và phòng ban kế toán: Hệ thống trích xuất dữ liệu tự động giúp giảm thiểu thời gian nhập liệu thủ công, tăng hiệu quả quản lý tài chính và kiểm soát thu chi.

  3. Giảng viên và sinh viên ngành Kỹ thuật Điện tử, Công nghệ Thông tin: Tài liệu chi tiết về xử lý ảnh, thuật toán SVM và ứng dụng thực tế là nguồn tham khảo quý giá cho nghiên cứu và học tập.

  4. Các nhà nghiên cứu thị giác máy và trí tuệ nhân tạo: Luận văn trình bày cách kết hợp xử lý ảnh và học máy trong bài toán nhận dạng ký tự, mở ra hướng nghiên cứu mới trong lĩnh vực nhận dạng mẫu.

Câu hỏi thường gặp

  1. Hệ thống có thể nhận dạng các loại hóa đơn khác ngoài mẫu nghiên cứu không?
    Hiện tại hệ thống được thiết kế cho hóa đơn đánh máy chữ in hoa font Arial cỡ 12-16, chưa hỗ trợ hóa đơn viết tay hoặc font chữ khác. Tuy nhiên, với việc mở rộng tập mẫu huấn luyện và cải tiến thuật toán, có thể mở rộng trong tương lai.

  2. Độ chính xác nhận dạng có thể cải thiện như thế nào?
    Bằng cách tăng số lượng mẫu huấn luyện, áp dụng kỹ thuật xử lý nhiễu nâng cao và tối ưu tham số SVM, độ chính xác có thể nâng lên trên 85%, giảm thiểu sai sót nhận dạng.

  3. Hệ thống có hỗ trợ nhận dạng ký tự tiếng Việt có dấu không?
    Luận văn tập trung vào ký tự in hoa không dấu trên hóa đơn, chưa xử lý ký tự tiếng Việt có dấu do độ phức tạp cao. Đây là hướng nghiên cứu tiếp theo cần phát triển.

  4. Làm thế nào để dữ liệu nhận dạng được lưu trữ và sử dụng?
    Dữ liệu sau khi nhận dạng được lưu vào file text, sau đó chuyển sang file Excel để người dùng dễ dàng theo dõi, chỉnh sửa và nhập liệu vào hệ thống quản lý doanh nghiệp.

  5. Có thể tích hợp hệ thống vào phần mềm quản lý doanh nghiệp hiện có không?
    Có thể tích hợp thông qua các API hoặc module nhập liệu tự động, giúp đồng bộ dữ liệu hóa đơn với hệ thống quản lý tài chính, kế toán của doanh nghiệp.

Kết luận

  • Đã xây dựng thành công hệ thống nhận dạng và trích xuất thông tin từ hóa đơn bán hàng sử dụng xử lý ảnh và thuật toán SVM với độ chính xác đạt 70-80%.
  • Áp dụng hiệu quả các kỹ thuật xử lý ảnh như biến đổi hình thái, nhị phân hóa và cân bằng histogram để chuẩn bị dữ liệu cho nhận dạng.
  • Sử dụng thư viện OpenCV và QT Creator giúp phát triển phần mềm đa nền tảng với giao diện thân thiện và khả năng lưu trữ dữ liệu tiện lợi.
  • Kết quả nghiên cứu góp phần giảm tải công việc nhập liệu thủ công, nâng cao hiệu quả quản lý dữ liệu bán hàng cho doanh nghiệp.
  • Đề xuất các hướng phát triển tiếp theo bao gồm mở rộng tập mẫu, cải tiến xử lý nhiễu, tự động sắp xếp dữ liệu và mở rộng phạm vi ứng dụng.

Next steps: Tiếp tục thu thập dữ liệu, cải tiến thuật toán và phát triển giao diện người dùng để nâng cao độ chính xác và tính ứng dụng của hệ thống. Đề nghị các nhà nghiên cứu và doanh nghiệp quan tâm phối hợp triển khai thử nghiệm thực tế.

Call to action: Các tổ chức và cá nhân quan tâm có thể liên hệ để hợp tác phát triển và ứng dụng hệ thống nhận dạng hóa đơn tự động nhằm tối ưu hóa quy trình quản lý dữ liệu.