(TIỂU LUẬN) DIỆN BÁNH NGỌT của cửa HÀNG AEON BAKERY t i TRUNG tâm TH  ƯƠNG mi AEON MALL hà ĐÔNG

HỌC VIỆN NGÂN HÀNG
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ

Học phần: Trí tuệ nhân tạo trong kinh doanh

ĐỀ TÀI:
NG DNG TR TUỆ NHÂN TO – COMPUTER
VISION TRONG NHN DIỆN BÁNH NGỌT CỦA CỬA
HÀNG AEON BAKERY TI TRUNG TÂM THƯƠNG
MI AEON MALL HÀ ĐƠNG

Giảng viên hướng dẫn
Nhóm tín chỉ
Nhóm thực hiện

: Nguyễn Phan Tình
: IS42A14
: 09

Hà Nội, ngày 2 tháng 1 năm 2022


BÀI KIỂM TRA II

MC LC
MỞ ĐẦU .............................................................................................................................. 1
NỘI DUNG .......................................................................................................................... 2
I.

ĐẶT VẤN ĐỀ ............................................................................................................... 2
1. Giới thiệu chung về AEON MALL Hà Đông ......................................................... 2

2. Vấn đề tồn tại ............................................................................................................ 2
3. Bài tốn ứng dụng thị giác máy tính và lý do chọn bài toán ................................ 3

II. THU THP DỮ LIỆU VÀ GIỚI THIỆU THUT TOÁN SỬ DNG................... 5
1. Cách thức thu thập dữ liệu ...................................................................................... 5
2. Giới thiệu tổng quan thuật tốn sử dụng ............................................................... 6
III.

XÂY DỰNG MƠ HÌNH ........................................................................................... 9

IV.

ĐÁNH GIÁ MƠ HÌNH .......................................................................................... 16

1. Ưu điểm ................................................................................................................... 16
2. Nhược điểm ............................................................................................................. 16
KẾT LUN ....................................................................................................................... 18
TÀI LIỆU THAM KHẢO ................................................................................................ 19


DANH SÁCH THÀNH VIÊN
STT

Họ và tên

MSV

Đóng góp

1

Đỗ Trần Hải Vân

22A4010300

20%

2

Trần Bích Hoa

22A4010056

20%

3

Trần Danh Nam

22A4010760

20%

4

Nguyễn Tấn Dũng

22A4010179

20%

5

Nguyễn Quang Huy

22A4010256

20%


BÀI KIỂM TRA II

MỞ ĐẦU
Trong thời kỳ cơng nghiệp hóa, hiện đại hóa như ngày nay, AI (Artificial
Intelligence) hay cịn được biết đến với tên gọi “Trí tuệ nhân tạo” khơng cịn q xa lạ.
Đây là một ngành quan trọng thuộc lĩnh vực khoa học máy tính (Computer Science).
Với sự phát triển của Cuộc cách mạng Công nghiệp lần thứ 4, AI đang ngày càng
vươn mình khẳng định vị thế cũng như tầm quan trọng của chúng trong cuộc sống 4.0 này.
Không thể phủ nhận rằng, sự xuất hiện của AI đã tác động phần nào đến lực lượng lao động
của các nước trên thế giới, hỗ trợ rất nhiều cho con người, kích thích con người khơng
ngừng cố gắng, phát triển để không bị thụt lùi so với công nghệ, thứ ln tiến bộ theo thời
gian. Nhờ có trí tuệ nhân tạo, con người có thể nâng cao được chất lượng cuộc sống, cải
thiện công năng sản xuất và hạn chế những sai sót khơng đáng có khi thực hành thủ công.
Khi cuộc sống đang ngày càng trở nên dư dả hơn, con người bắt đầu quan tâm hơn
về nhu cầu tận hưởng của bản thân. Một trong những thứ khiến con người thỏa mãn chính
là đồ ăn, đặc biệt là đồ ngọt. Minh chứng cho điều đó là sự phát triển và mở rộng quy mơ
nhanh chóng của hàng loạt thương hiệu bánh ngọt. Điều này đã góp phần khiến cho các
dòng sản phẩm bánh ngọt trở nên đa dạng và thật khó để phân biệt. Nắm bắt được sự đắn
đo, phân vân của khách hàng cũng như sự khó khăn trong việc phân loại của các cửa hàng
bánh ngọt tự chọn, nhóm chúng em đã quyết định xây dựng mơ hình “COMPUTER

VISION - Nhận diện bánh ngọt của cửa hàng Aeon Bakery tại Trung tâm Thương
mại Aeon Mall Hà Đông” với mong muốn giải quyết phần nào những vấn đề cửa hàng
đang gặp phải. Thông qua việc ứng dụng những kiến thức AI đã được học kết hợp với
những tìm tịi và tham khảo, nhóm 9 đã tiến hành xây dựng và hồn thiện mơ hình trên một
cách hồn chỉnh nhất, hy vọng sẽ giúp ích được phần nào cho khách hàng cũng như doanh
nghiệp tiết kiệm thời gian, chi phí và có thể đưa ra những lựa chọn phù hợp nhất.
Với sự cố gắng của các thành viên trong nhóm, bài báo cáo đã được chuẩn bị và
kiểm tra một cách kỹ càng, tuy nhiên trong q trình làm việc vẫn có thể tồn tại những sai
sót và hạn chế. Nhóm 6 rất mong mong các thầy cơ có thể đánh giá và đưa ra những nhận
xét để các thành viên trong nhóm có thể cải thiện và rút kinh nghiệm cho những bài báo
cáo sau này.
Nhóm chúng em xin gửi lời cảm ơn chân thành nhất tới các thầy cơ!
NHĨM 9

1


BÀI KIỂM TRA II

NỘI DUNG
I.

ĐẶT VẤN ĐỀ
1. Giới thiệu chung về AEON MALL Hà Đông
-

Tên đầy đủ: AEON MALL Hà Đông

-

Địa chỉ: Phường Dương Nội, Quận Hà Đông, Thành phố Hà Nội

-

Hotline: 024 3757 6999

-

Email:
Trung tâm thương mại AEON MALL Hà Đông là một trong những trung tâm thương

mại lớn nhất cả nước. Được đầu tư xây dựng mới 100% với sự hợp tác của AEON Nhật
Bản và tập đồn BIM Group. Vị trí AEON Mall Hà Đơng được cơng bố tọa lạc tại mặt
đường Ngơ Thì Nhậm kéo dài (cạnh khu đô thị Dương Nội, khu Biệt thự An Vượng Villa)
thuộc phường Dương Nội, Quận Hà Đông. Đây là vị trí tương lai đặc biệt thuận lợi với việc
kết nối giao thơng tứ phía thuận lợi.
Song song triển khai xây dựng trung tâm thương mại AEON Mall là hoàn thiện 2
con đường lớn rộng 40m kết nối các khu vực lân cận. Đó là đường Ngơ Thì Nhậm kéo dài
và đường Lê Quang Đạo kéo dài. Tạo nên hạ tầng giao thông đồng bộ với mạng lưới giao
thông hiện đại và thuận lợi. Đây là một dự án tầm cỡ, giúp giải quyết các vấn đề về thương
mại, chung chuyển hàng hóa - giao thơng, thúc đẩy hiệp thương,... tại khu vực Tây Hà Nội.
Khi đến với TTTM AEON Mall Hà Đông, bạn sẽ không khỏi trầm trồ, chống ngợp
trước sự hiện đại chưa từng có của tổ hợp thương mại này. Nổi bật nhất là không gian xanh
mướt, thống đãng thân thiện với mơi trường, tiết kiệm năng lượng. Hơn 43 nghìn cây xanh
đa chủng loại được trồng tại khơng gian rộng lớn này.Bên cạnh đó là hệ thống chỉ dẫn hỗ
trợ tìm kiếm địa điểm, nhà hàng, cửa hàng đặt gần thang cuốn trong nháy mắt với công
nghệ 4.0 hiện đại bật nhất. Không chỉ sở hữu khơng gian ấn tượng, AEON Mall Hà Đơng
cịn có hơn 40 ngàn thương hiệu nổi tiếng trên khắp thế giới lần đầu tiên xuất hiện tại Việt
Nam. Cùng với đó là 221 gian hàng ăn uống, giải trí mua sắm đa dạng, phục vụ mọi đối
tượng khách hàng. Hứa hẹn là TTTM “bùng nổ” nhất miền Bắc.

2. Vấn đề tồn tại

NHÓM 9

2


BÀI KIỂM TRA II

AEON MALL Hà Đông hiện đang là một trong những tổ hợp vui chơi giải trí thu
hút rất nhiều đối tượng bởi sự đa dạng của các khu vui chơi, ăn uống, mua sắm…. đáp ứng
được gần như đầy đủ yêu cầu của mỗi người khi đến đây. Bên cạnh đó khu TTTM này đã
và đang cố gắng cải thiện hơn nữa để đem đến cho khách hàng những dịch vụ cũng như trải
nghiệm tốt nhất nhằm góp phần tạo nên cộng đồng người tiêu dùng văn minh, đẳng cấp.
Khi đến AEON MALL Hà Đông, hầu hết mọi người sẽ biết đến đây là một khu ẩm
thực phong phú đồ sộ với hơn 80 nhà hàng lớn nhỏ và các món ăn đến từ mọi nơi như Nhật,
Thái, Hàn… đảm bảo thỏa mãn mọi đối tượng và sở thích của mỗi người. Và đặc biệt hơn
nữa đó là khu ẩm thực về các loại bánh đều vô cùng thu hút bởi sự đa dạng, về chất lượng
cũng như giá cả hợp lý của các loại bánh. Vì vậy mà vấn đề đặt ra ở đây là: sự đa dạng về
các loại bánh ngọt và cả số lượng bánh khiến cho người tiêu dùng đôi khi không tránh khỏi
nhầm lẫn giữa các loại bánh với nhau, hoặc có thể có những loại bánh mà khách hàng đơi
khi cũng khơng biết. Do đó, để nâng cao chất lượng dịch vụ của cửa hàng bánh ngọt trong
AEON MALL cũng như mang đến cho khách hàng những trải nghiệm tốt nhất, cần có một
giải pháp tối ưu hơn cho việc nhận dạng các loại báng trong khu vực này.
3. Bài toán ứng dụng thị giác máy tính và lý do chọn bài tốn

Để giải quyết vấn đề tồn tại trên, nhóm chúng em đã đề ra giải pháp “Ứng dụng thị
giác máy tính để nhận diện các loại bánh ngọt trong khu Trung tâm Thương mại AEON
MALL Hà Đông”.
3.1.

Thị giác máy tính là gì?

Thị giác máy tính (Computer Vision) là một lĩnh vực khoa học liên ngành liên quan
đến việc làm thế nào máy tính có thể đạt được sự hiểu biết ở mức cao từ hình ảnh hoặc
video kỹ thuật số. Nói cách khác, đây là một cơng nghệ thuộc lĩnh vực trí tuệ nhân tạo và
khoa học máy tính, thiết lập cho máy có tầm nhìn và xử lý nhận dạng như con người.
3.2.

Lý do chọn bài toán

AEON MALL Hà Đông là một trong những trung tâm thương mại khá mới với rất
nhiều những dịch vụ tiện lợi, mang đến trải nghiệm đặc biệt cho khách hàng. Việc nâng cấp
các dịch vụ trong trung tâm thương mại sẽ giúp AEON MALL Hà Đông thu hút được số
lượng lớn khách hàng, đạt hiệu quả cao hơn trong hoạt động kinh doanh và khẳng định uy

NHÓM 9

3


BÀI KIỂM TRA II

tín với nhiều đối tác lớn. Tuy nhiên, còn tồn tại một số những vấn đề chưa được giải quyết
ở các khu vực tập trung đông khách hàng.
Cụ thể, nói đến khu vực thu hút khách hàng nhất không thể không kể đến khu bán
đồ ăn với rất nhiều các gian hàng như cơm, đồ ăn nhanh, lẩu nướng, bánh ngọt, trà
sữa,...Trong quá trình tìm hiểu, hầu hết tất cả các gian hàng đều cần nhiều nhân viên để phụ
trách kiểm đếm số lượng mặt hàng, chế biến, thu ngân và tư vấn cho khách hàng, tuy nhiên
cịn tồn tại nhiều mặt hạn chế. Có thể kể đến một số những khó khăn như: cần số lượng

nhân viên lớn, chậm trễ trong việc thanh toán hoặc kiểm đếm số lượng. Trong đó điển hình
là cửa hàng bánh ngọt tự chọn với các gian hàng bao gồm rất nhiều loại bánh. Mặc dù trang
bị số lượng nhân viên lớn và làm việc một cách liên tục, cửa hàng đơi khi vẫn gặp khó khăn
trong việc kiểm sốt số lượng mặt hàng khách đã lấy dẫn đến tình trạng một số khách mua
hàng nhưng khơng thanh tốn. Điều này dẫn đến doanh thu cửa hàng bị sụt giảm.
Bên cạnh, trong thời điểm dịch Covid-19 đang diễn ra, các trung tâm thương mại
khơng được phép bố trí q nhiều nhân viên để tránh sự tiếp xúc thường xuyên giữa người
với người dẫn đến lây lan dịch bệnh.
Để giúp cửa hàng kiểm soát vấn đề kinh doanh tốt hơn, cũng như giúp khách hàng
có trải nghiệm nhanh chóng và tiện lợi hơn trong việc thanh tốn sau khi mua bánh, nhóm
6 xin đề xuất ứng dụng thị giác máy tính để nhận diện các loại bánh trong cửa hàng, hỗ trợ
cửa hàng trong việc kiểm soát số lượng bánh mà khách hàng đã mua, đồng thời hỗ trợ thanh
toán mặt hàng mà không cần đến nhân viên. Công nghệ này giúp cửa hàng giảm thiểu được
số lượng nhân viên phục vụ để phù hợp với bối cảnh dịch bệnh cũng như cắt giảm một phần
chi phí nhân cơng. Ngồi ra, cơng nghệ cịn giúp kiểm sốt mặt hàng chặt chẽ hơn và hỗ
trợ thanh tốn một cách nhanh chóng, chính xác.

NHĨM 9

4


BÀI KIỂM TRA II

II.

THU THP DỮ LIỆU VÀ GIỚI THIỆU THUT TOÁN SỬ DNG

1. Cách thức thu thập dữ liệu
1.1.

Xác định dữ liệu ảnh cần thu thập

Hình ảnh cần thu thập là những loại bánh ngọt đã, đang và có thể được bày bán tại
Aeon Bakery:
- CheeseCake
- Cupcake
- Donuts
- Dorayaki
- Tiramisu
1.2.

Cách thức thu thập dữ liệu

- Chụp ảnh trực tiếp tại các quầy bán bánh ngọt của Aeon Bakery tại AEONMALL Hà
Đông.
- Thu thập thông qua các trang mạng điện tử như Google, Cốc Cốc,…

NHÓM 9

5


BÀI KIỂM TRA II

1.3.

Cách thức thu thập dữ liệu trên máy tính

Tất cả những hình ảnh thu thập được sẽ được tổng hợp lại tại thư mục

.
Tên thư mục là ComputerVision-NhanDienHinhAnh. Bên trong thư mục lớn này sẽ bao
gồm 2 thư mục nhỏ là Train và Validation. Trong mỗi thư mục nhỏ này có 5 thư mục nhỏ
hơn tương ứng với 5 loại bánh ngọt cần phân biệt. Mỗi thư mục con này sẽ bao gồm 200
ảnh ở tệp Train và 100 ảnh ở tệp Validation, nghĩa là sẽ có tổng cộng 1000 ảnh Train và
500 ảnh Validation.
2. Giới thiệu tổng quan thuật toán sử dụng
2.1.

Google Colaboratory

Google Colaboratory hay còn được biết đến với những tên gọi ngắn gọn hơn là
Google Colab hay thậm chí đơn giản là Colab là 1 sản phẩm của Google Research. Chúng
hoạt động dựa trên Jupyter Notebook, nơi mà mọi người có thể viết và chạy thử các dòng
mã Python. Ứng dụng này là lựa chọn phù hợp nhất với phân tích dữ liệu và học máy.
2.2.

Tensorflow

Hiện nay, TensorFlow khơng cịn q xa lạ với những người ưa thích cơng nghệ,
đặc biệt là có niềm đam mê với trí tuệ nhân tạo. Chúng được nghiên cứu và phát triển bởi
Google với biểu hiện là những mã nguồn mở để đưa Học máy trở nên phổ biến tồn cầu.
TensorFlow có chức năng hỗ trợ rất hiệu quả cho các phép toán để sử dụng trong Machine
learning và Deep learning, giúp việc tiếp cận bài toán trở nên bớt khó khăn và phức tạp đi
rất nhiều.
Để có thể phát triển trong lĩnh vực trí tuệ nhân tạo, nắm rõ được TensorFlow sẽ là 1
bước đi quan trọng bởi chúng có khả năng tạo nên nhiều Neural Network nhờ các hàm được
cung cấp sẵn trong thư viện cho từng bài toán riêng lẻ. Hơn thế nữa, TensorFlow cịn cho
phép tính tốn song song đa phương tiện, thậm chí ở nhiều CPU, GPU khác nhau. Ngồi
ra, chúng cịn có thể tạo nên các đồ thị luồng dữ liệu (data flow) để tạo ra model.

NHÓM 9

6


BÀI KIỂM TRA II

TensorFlow có hiệu suất cực cao nhờ được viết bằng C++ và thực hiện interface bởi
Python. Và đương nhiên, với quá nhiều ưu điểm như vậy, chúng sẽ luôn được tận dụng bởi
nhiều đối tượng khác nhau như các lập trình viên, nhà nghiên cứu hay nhà khoa học dữ liệu.
2.3.

Xác định kỹ thuật triển khai và xây dựng mơ hình

2.3.1. Học có giám sát (Supervised Learning)
Là phương pháp sử dụng những dữ liệu đã được gán nhãn từ trước để suy luận ra
quan hệ giữa đầu vào và đầu ra. Các dữ liệu này được gọi là dữ liệu huấn luyện và chúng
là các cặp đầu vào, đầu ra. Học có giám sát sẽ xem xét các tập huấn luyện này để từ đó có
thể đưa ra dự đoán đầu ra cho 1 đầu vào mới chưa gặp bao giờ.
Đối với chủ đề mà nhóm em nghiên cứu, những dữ liệu được đưa vào sẽ là những
hình ảnh về các sản phẩm của cửa hàng bánh t ại AEON MALL Hà Đơng. Kỹ thuật học
máy có giám sát sẽ giúp phát hiện, phân tích, xây dựng, nén dữ liệu hình ảnh để từ đó nhận
biết sản phẩm.
2.3.2. Học sâu (Deep Learning)
Phần lớn những tiến bộ trong lĩnh vực nhận dạng hình ảnh ngày nay phụ thuộc vào
Deep Learning, hay chúng ta còn gọi là học sâu. Đây là một thuật tốn vơ cùng tân tiến,
được sử dụng rộng rãi ngày nay và được coi là kì quan của trí tuệ nhân tạo. Có thể kể đến
Amazon Go, nhận dạng khn mặt để mở khố của Apple hay các s ản phẩm khác của các
tập đồn cơng nghệ như Tesla, Adobe,…

Trong khi học máy thông thường lấy dữ liệu, đẩy nó thơng qua các thuật tốn và sau
đó đưa ra dự đốn. Trong khi đó, học sâu khác ở chỗ nó có thể xác định xem hình ảnh đó
có đúng hay khơng, có phù hợp với u cầu được đặt ra hay khơng. Bởi vì thế, học sâu giúp
nâng cao chất lượng đầu ra, tăng độ chính xác của hình ảnh được nhận diện.
2.3.3. Mạng Nơ-ron tích chập
Để thuật tốn học sâu có thể hoạt động trơn tru, chúng ta cần CNN – mạng thần kinh
tích chập. Convolutional Neural Network (CNNs – Mạng nơ-ron tích chập) là một trong
những mơ hình Deep Learning tiên tiến giúp cho chúng ta xây dựng được những hệ thống
thông minh với độ chính xác cao như hiện nay. Hệ thống xử lý ảnh lớn của Facebook,
NHÓM 9

7


BÀI KIỂM TRA II

Google hay Amazon đã đưa vào sản phẩm của mình những chức năng thơng minh như nhận
diện khuôn mặt người dùng, phát triển xe hơi tự lái hay drone giao hàng t ự động…
Khi chúng ta nhìn thấy một vật thể nào đó, bộ não của chúng ta cảm nhận được nó
bằng hình ảnh phản chiếu cụ thể. Trong khi đó, máy tính sử dụng CNN xử lý thông tin bằng
cách sử dụng các con số. Con người chúng ta nhận ra các hình mẫu thơng qua cảm nhận thị
giác (kết hợp với các giác quan khác của chúng ta), còn một CNN thực hiện tương tự bằng
cách chia chỏ hình ảnh thành các con số.
Hoạt động bên trong của CNN rõ ràng phức tạp và mang tính k ỹ thuật hơn nhiều so
với chỉ các hình mẫu của con số, nhưng điều quan trọng là phải biết tích chập là gì: s ự kết
hợp của hai chức năng tạo ra chức năng thứ ba. Một mạng lưới thần kinh sử dụng tích chập
đang hợp nhất nhiều bộ thông tin, gộp chúng lại với nhau để tạo ra một đại diện chính xác
của một hình ảnh. Sau khi gộp, hình ảnh được mơ tả trong rất nhiều dữ liệu mà mạng thần
kinh có thể sử dụng để đưa ra dự đốn về nó là gì.

NHĨM 9

8


BÀI KIỂM TRA II

III.

XÂY DỰNG MƠ HÌNH
Bước 1: Chuẩn bị dữ liệu ảnh
Tất cả những hình ảnh thu thập được sẽ được tổng hợp lại tại thư mục

.
Bước 2: Tạo file Colab notebook trên Google Drive
- Kích chọn My Drive/ chọn More/ chọn Colaboratory.
- Đặt tên cho tệp colab mới là Nhận dạng hình ảnh.ipynb.
Bước 3: Viết code
1. Khai báo các thư viện sử dụng

2. Kết nối với Google Drive để đọc và lưu dữ liệu

3. Khai báo đường dẫn thư mục chứa dữ liệu ảnh

4. Gán nhãn dữ liệu
Phân loại ảnh là bài tốn học có giám sát, do đó dữ liệu huấn luyện và kiểm định
phải được gán nhãn. Ảnh được gán nhãn dựa theo tên thư mục chứa nó, ta có tên và thứ tự
các nhãn tương ứng với tên và thứ tự các thư mục chứa ảnh huấn luyện và kiểm định.

5. Tiền xử lí dữ liệu ảnh với ImageDataGenerator

NHÓM 9

9


BÀI KIỂM TRA II

Tham số rescale=1/255 có tác dụng chuẩn hóa dữ liệu ảnh về các giá tr ị nằm trong
khoảng [0,1]. Một file ảnh được lưu trong máy tính dưới dạng một ma trận dữ liệu số có
giá trị trong khoảng [0,255].
6. Đọc dữ liệu train và validation

Thực hiện chuẩn hóa các ảnh huấn luyện về kích thước 50x50 và phân loại ảnh đa
nhãn, cụ thể là phân loại ảnh vào 5 lớp đã khai báo. Theo kết quả chạy, ta có 1000 ảnh tập
train được phân loại vào 5 lớp, 500 ảnh t ập Validation được phân loại vào 5 lớp.
7. Xây dựng mơ hình

NHĨM 9

10


BÀI KIỂM TRA II

Mơ hình gồm có 5 t ầng: Input image → CNN1 → CNN2 → Fully connected layer
→ Output.
Tẩng CNN1 gồm 32 bộ lọc kích thước 3x3 (kích thước thường dùng s ố lẻ 3, 5, 7).
Tầng CNN1 kết nối với đầu vào nên phải mô tả rõ thơng tin của đầu vào (input_shape):
kích thước 50x50, ảnh màu gồm 3 ma trận. Tầng CNN2 gồm 64 bộ lọc, kích thước 3x3.
MaxPooling2D: lớp Pooling thường được dùng giữa các lớp convolutional để giảm

kích thước dữ liệu nhưng vẫn giữ được các thuộc tính quan trọng. Kích thước dữ liệu giảm
sẽ giúp giảm việc tính tốn trong model. Hầu hết khi dùng pooling layer thì sẽ dùng cửa sổ
trượt size=(2,2), bước dịch chuyển stride=2. Khi đó kích thước của dữ liệu sẽ giảm đi một
nửa.
Hàm kích hoạt Relu để loại các giá trị âm.
Flatten: chuyển ảnh từ dạng ma trận về mảng 1 chiều
Sau khi ảnh được truyền qua nhiều lớp CNN thì mơ hình đã học được các đặc điểm
của ảnh, khi đó output của lớp CNN cuối cùng là một ma trận, sẽ được chuyển về vector
một chiều. Do đó, output của bài tốn mà nhóm đã đặt ra là 5.
8. Thiết lập các tham số để huấn luyện mơ hình

- Compile: chọn các tham số để huấn luyện mơ hình.
- Optimizer: thuật tốn huấn luyện mơ hình bằng việc sử dụng RMSprop.
- Loss: hàm tính tốn sai s ố giữa giá trị học được và giá trị thực tế, sử dụng
categorical_crossentropy trong trường hợp dự đoán nhiều lớp.
- Metrics: thước đo để đánh giá độ chính xác accuracy của mơ hình.
9. Huấn luyện mơ hình

NHĨM 9

11


BÀI KIỂM TRA II

EPOCHS là số vòng l ặp chạy mơ hình. Nhóm sử dụng 200 vịng l ặp với số bước
chạy của mơ hình là 2. Số vịng lặp càng lớn thì độ chính xác của mơ hình càng cao do máy
được học lại nhiều lần. Mơ hình tối ưu là khi giá trị acc=1 và giá trị loss là bé nhất.
10. Sử dụng mơ hình
Sau khi chạy các đoạn code để phân loại bánh ngọt theo yêu cầu bài tốn mà nhóm

đã đặt ra, nhóm 6 quyết định mở rộng thêm mơ hình để bài tốn có thể áp dụng được nhiều
hơn trong thực tế. Bài toán mở rộng thêm đó là sử dụng hàm If để đưa ra giá bánh phù hợp
NHÓM 9

12


BÀI KIỂM TRA II

cho mỗi loại. Với CheeseCake, giá bánh là 20.000 VNĐ, Cupcake là 12.000 VNĐ, Donuts
là 15.000 VNĐ, Dorayaki là 10.000 VNĐ và Tiramsu là 18.000 VNĐ.

Bước 4: Kết quả thực nghiệm

NHÓM 9

13


BÀI KIỂM TRA II

NHÓM 9

14


BÀI KIỂM TRA II

NHÓM 9

15


BÀI KIỂM TRA II

IV.

ĐÁNH GIÁ MƠ HÌNH
1. Ưu điểm
- Giúp cho khách hàng có sự lựa chọn đúng đắn đối với sản phẩm khi quyết định

mua: khi bước vào cửa hàng bánh tự chọn, đôi khi khách hàng chọn sai mặt hàng mình cần
mua, đặc biệt là những khách hàng chưa có nhiều thơng tin về các loại bánh. Mơ hình sẽ
giúp khách phân biệt và tìm ra loại bánh theo u cầu một cách nhanh chóng nhất.
- Tăng tính mới lạ, hấp dẫn trong hoạt động phục vụ khách hàng: khi hoạt động phục
vụ của con người được thay thế bằng máy móc, khách hàng sẽ có được những trải nghiệm
mới mẻ, độc đáo hơn so với trước đây.
- Kiểm sốt mặt hàng nhanh chóng, tiện lợi: khi sử dụng cơng nghệ để kiểm đếm số
lượng và kiểm sốt mặt hàng khách đã lấy, sẽ khơng cịn tình trạng khách khơng thanh tốn
như trước đây, cũng như dễ dàng hơn trong việc tìm hiểu nhu cầu khách hàng dựa trên số
lượng mặt hàng còn lại.
- Nâng cao năng suất công việc: không chỉ giúp khách nhận biết các loại bánh và
giúp cửa hàng kiểm soát số lượng mặt hàng, cơng nghệ này cịn giúp thanh tốn tự động
một cách nhanh chóng, chính xác. Với nhiều tính năng tiện lợi như vậy, hiệu suất công việc
sẽ được tăng lên đáng kể.
- Giảm chi phí nhân cơng: khi có sự hỗ trợ của mơ hình trong việc kiểm sốt số
lượng bánh và thanh tốn, cửa hàng sẽ khơng cần q nhiều nhân viên phục vụ khách hàng,
từ đó giúp giảm số lượng nhân cơng cũng như giảm thiểu chi phí cho việc th lao động.
Việc xây dựng mơ hình cũng dựa trên các nền tảng miễn phí đối với người dùng.
2. Nhược điểm

- Q trình xây dựng mơ hình địi hỏi nhiều thời gian: Mỗi một bài toán nhận diện
trong thực tế đều có những thuộc tính khác nhau vì vậy mà việc xây dựng mơ hình cũng
phải phù hợp với mỗi mục đích sử dụng mơ hình của bài tốn đó và mất nhiều thời gian
cho việc tìm các ví dụ, với lượng dữ liệu lớn bao quát mọi tình huống để máy có thể được
học và huấn luyện.

NHĨM 9

16


BÀI KIỂM TRA II

- Độ chính xác chưa phải là cao nhất: Do hạn chế về mặt dữ liệu về số lượng cũng
như chất lượng dẫn đến việc máy học cịn gặp nhiều hạn chế, và kết quả là mơ hình huấn
luyện đưa ra những giá trị dự đốn cịn chưa chính xác.
- Mơ hình chưa hỗ trợ nhận diện nhiều hình ảnh cùng một lúc: Do kiến thức cịn hạn
chế nên chưa thể áp dụng thực tế ngay được. Vì đây mới là một phương án có thể tính đến
khi đề ra giải pháp cho bài toán thực tiễn, để áp dụng được thì cần phải nâng cấp, phát triển
mơ hình một cách đầy đủ và hồn thiện hơn.

NHĨM 9

17


BÀI KIỂM TRA II

KẾT LUN

Hiện nay, với sự phát triển mạnh mẽ của cơng nghệ, thì trí tuệ nhân tạo (Al) đã trở
thành một xu hướng, một tương lai chủ đạo trong nền kinh t ế tồn cầu. Vì vậy các doanh
nghiệp và công ty đang rất quan tâm về lĩnh vực này với những lợi ích cực kì to lớn mà nó
đem lại. Computer Vision (thị giác máy tính) là một trong số rất nhiều ngành của AI. Bằng
việc thu thập và xử lý ảnh kỉ thuật số, nhận dạng và phân tích các hình ảnh từ thế giới thực
sau đó đưa ra những thơng tin cần thiết và hữu ích cho cho con người. Việc này làm giảm
bớt sai sót và chi phí vận hành của con người. Hiện nay trí tuệ nhân tạo (AI) đã và đang
được ứng dụng trong rất nhiều công việc, nhiều ngành như y tế, kinh tế, công nghiệp, giáo
dục…và gặt hái được rất nhiều thành công. Nắm bắt được tầm quan trọng của Al, nhóm đã
thực hiện dự án này nhằm mong muốn sẽ góp một phần cơng sức để giúp truyền tải về tầm
quan trọng của AI trong thời đại ngày nay. Ngồi ra nhóm cũng muốn tìm hiểu và khai thác
thêm về lĩnh vực thị giác máy tính nói riêng và AI nói chung.
Với đề tài “NG DNG TRÍ TUỆ NHÂN TO - COMPUTER VISION
TRONG NHN DIỆN BÁNH NGỌT CỦA CỬA HÀNG AEON BAKERY TI
TRUNG TÂM THƯƠNG MI AEON MALL HÀ ĐƠNG” nhóm đã đưa ra được mơ
hình với kết quả thử nghiệm với độ chính xác chưa cao (khoảng 60%). Đây cũng là nhược
điểm của mơ hình này nên nếu để áp dụng thực tế thì mơ hình cần phải được cải thiện thêm.
Hy vọng với đề tài này sẽ là một trong những giải pháp được nâng cấp và đưa vào sử dụng
để giúp Aeon Mall Hà Đông thuận tiện cho việc kinh doanh và chăm sóc khách hàng tốt
hơn giảm thiểu tối đa sai sót và chi phí hoạt động mang tại cho khách hàng cảm giác thoải
mái và tin tưởng hơn nữa.

NHÓM 9

18


BÀI KIỂM TRA II

TÀI LIỆU THAM KHẢO

1. Slide bài giảng mơn học “Trí tuệ nhân tạo trong kinh doanh”.
2. TensorFlow là gì? Tìm hiểu về TensoFlow từ A đến Z.
/>3. Tuệ Thi, 2020. Học máy (Machine learning) là gì? Ứng dụng thực tiễn.
/>4. Vanito Hoang. Hướng dẫn cho người mới bắt đầu: Nhận dạng hình ảnh và học sâu.
/>5. Vị trí Aeon Mall Hà Đơng, TTTM AEON Mall Hà Đơng ở đâu?
las/blog/vi-tri-aeon-mall-ha-dong-trung-tam-thuong-mai-lon-nhatviet-nam.html

NHÓM 9

19