MỤC LỤC Lòi nói đầu 8 CHƯƠNG 1 TÓNG QUAN VẺ ĐÈ TÀI 1 1 1 Tổng quan về lĩnh vực nhận dạng chữ số 1 1 2 Giới thiệu các công nghệ sử dụng 2 1 2 1 ASP NET 2 1 2 2 Mô hình kiến trác N tier 4 1 2 3 Android.
MỤC LỤC Lịi nói đầu CHƯƠNG TÓNG QUAN VẺ ĐÈ TÀI 1.1 Tổng quan lĩnh vực nhận dạng chữ số 1.2 Giới thiệu công nghệ sử dụng 1.2.1 ASP.NET 1.2.2 Mơ hình kiến trác N-tier 1.2.3 Android 10 1.3 Khái quát xử lý ánh 24 1.3.1 Khái quát ảnh số 24 1.3.2 Khái quát xử lý ảnh 26 1.3.3 Các giai đoạn trình xứ lý ảnh 27 1.3.4 Mô tã ảnh 29 CHƯƠNG MỘT SỐ PHƯƠNG PHÁP NHẬN DẠNG HIỆN CÓ 31 2.1 Một số phương pháp nhận dạng chữ số 31 2.1.1 Mơ hình SVM: 31 2.1.2 Mơ hình HMM: 31 2.1.3 Mạng Neural: 32 2.2 Khái niệm mạng neural 33 2.2.1 Sơ lược mạng neural sinh học 33 2.2.2 Mạng neural nhân tạo 34 2.2.3 Kiến trúc huấn luyện mạng neural 36 2.2.4 Huấn luyện mạng neural 37 2.3 ứng dụng mạng neural nhận dạng ký tự 42 2.4 Giới thiệu Support Vector Machine 44 2.5 ứng dụng Support Vector Machine nhận dạng ký tự 47 CHƯƠNG PHÂN TÍCH VÀ THIÉT KÉ HỆ THÓNG 49 3.1 Phát biểu toán 49 3.2 Các tác nhân hệ thống 50 3.3 Biếu đồ chức (Use case Diagrams) 51 3.4 Biểu đồ hoạt động (Activity Diagrams) 55 3.5 Thiết kế sở liệu 59 3.6 Đặc tả chi tiết bảng 60 CHƯƠNG KẾT QUẢ THỤC HIỆN 64 4.1 Tiền xử lý tách ánh 64 4.1.1 Tiền xử lý 64 4.1.2 Phân tách hình ánh 66 4.2 Phía server 67 4.2.1 Kết hệ thống nhận dạng sử dụng mạng neural đa lớp SVM (Support Vector Machine) 68 4.3 Phía Client 70 CHƯƠNG KÉT LUẬN 76 5.1 Kct đạt 76 5.2 Những phần chưa đạt 76 5.3 Hướng phát triền 77 TÀI LIỆU THAM KHẢO 78 DANH MỤC HÌNH VẼ Hình 1.1 Mơ hình kiến trúc N-tier Hình 1.2 Các giai đoạn trình xử lý ảnh 27 Hình 2.1 Cầu trúc neural não người [5] 33 Hình 2.2 Mơ hình mạng neural nhân tạo [5] 35 Hình 2.3 Mạng neural đa tầng [5] 36 Hình 2.4 Công thức cấu trúc cùa neural 39 Hình 2.5 Đầu vào đầu cho toán XOR .39 Hình 2.6 Hình minh họa trình thứ 40 Hình 2.7 Kêt minh họa hàm tông 40 Hình 2.8 Hàm sigmoidfunction 41 Hình 2.9 Kết sau thực hàm sigmoid 41 Hình 2.10 Ket quà đầu mạng 42 Hình 2.11 Sơ đồ tốn nhận dạng ký tự 44 Hình 2.12 Vector H2 tốt 45 Hình 2.13 Hệ thống nhận dạng đấu (Multi class Support Vector Machines) 47 Hình 2.14 Lựa chọn class xác định nhiều 48 Hình 3.1 Biểu đồ tác nhân cùa hệ thống 50 Hình 3.2 Biếu đồ use case tống the cùa hệ thong 51 Hình 3.3 Biểu use case quản lý tỉnh tiền hóa đom 52 Hình 3.4 Biểu use case quản lý client 52 Hình 3.5 Biểu đồ use case qn lý thơng tin người dùng 53 Hình 3.6 Biểu đồ quản lý đóng góp ý kiến 53 Hình 3.7 Biểu đồ use case quản lý huấn luyện, nhận dạng 54 Hình 3.8 Biểu đồ use case quán lý huấn luyện hệ thống 54 Hình 3.9 Biểu đồ hoạt động tinh tiền hóa đơn 55 Hình 3.10 Biểu đồ hoạt động sửa hóa đơn 55 Hình 3.11 Biểu đồ hoạt động lưu hóa đơn 56 Hình 3.12 Biếu đồ hoạt động xóa hóa đơn 56 Hình 3.13 Biểu đồ hoạt động đóng góp ý kiến Hình 3.14 Biểu đồ hoạt động huấn luyện mơ hình 57 Hình 3.15 Biểu đồ hoạt động lưu mơ hình 58 Hình 3.16 Biểu đồ hoạt động xem thông tin 58 Hình 3.17 Cơ sở liệu 59 Hình ỉ Ảnh gốc 65 Hình 4.2 Anh sau chuyển xám 65 Hình 4.3 Cơng thức lọc nhiêu Gussian Blur 65 Hình 4.4 Anh nhị phân sau chuyến đối .66 Hình 4.5 Anh gốc cần tách 66 Hình 4.6 Tập ánh sau tách thành dòng 66 Hình 4.7 Cơ sở liệu SQL Server 67 Hình 4.8 Ti lệ nhận dạng ANN tập liệu MNIST 68 Hình 4.9 Ket thử nghiệm dừ liệu thực tể 69 Hình 4.10 Tì lệ nhận dạng tập mẫu SVM 69 Hình 4.1 ỉ Kết thứ nghiệm liệu thực tế 70 Hình 4.12 Menu lựa chọn chức chụp, chọn ảnh .70 Hình 4.13 Chức chụp ãnh 71 Hình 4.14 Chức cắt ảnh 71 Hình 4.15 Chức chọn ảnh từ thư viện 72 Hình 4.16 Kết tách kí tự theo dòng 72 Hình 4.17 Kết tách ki tự từ dịng 73 Hình 4.18 Chức tính tổng tiền hóa đơn 73 Hình 4.19 Chức sửa so tiền hóa đơn 74 Hình 4.20 Chức xóa so tiền hóa đơn 74 Hình 4.21 Chức góp ý .75 Hình 4.22 Chức thong kê 75 DANH MỤC BẢNG BIẾU Bảng 3.1 tblTrainingModel Bảng 3.2 iblTrainingModelDetail Bâng 3.3 íbiciient Bảng 3.4 tblCỉientRating Bâng 3.5 tbiciientFeedback Bâng 3.6 tblClientFeedbackDetail Bàng 3.7 tbIModelDownload 60 60 61 61 62 62 63 DANH MỤC CÁC CHŨ VIẾT TẮT Tên đầy đủ STT Tên viết tắt SVM Support Vector Machine HMM Fliddcn Markov Model ANN Artificial Neural Network BFD Bidirectional Forwarding Detection DFD Data flow diagram MSVM Multi-class Support Vector Machines Lòi nói đầu Thị giác máy tính lĩnh vực phát triển mạnh mẽ giới Khái niệm thị giác máy tính - Computer Vison có liên quan tới nhiêu ngành học cỏ nhiều hướng nghiên cứu khác Ke từ năm 70 cùa kỹ 20 mà khâ tính tốn cùa máy tính trở nên mạnh mẽ, giải cơng việc cần tới tốc độ cao xử lý tập ảnh hay đoạn video thị giác máy tính nhắc đến, nghiên cứu phát triển ngày Thị giác máy tính lĩnh vực mé nhà nghiên Việt Nam, xuất gần tố chức quân đội số viện nghiên cứu khác Việc áp dụng thị giác máy tính vào ứng dụng nghiên cứu khoa học coi khởi đầu cho chặng đường phát triển thị giác máy tính trường đại học Lĩnh vực nghiên cứu cùa thị giác máy tính rộng, đặc diem chung toán thị giác máy tính khơng có đề chung cách giái Mỗi giải pháp giái vấn đề kết định cho trường hợp cụ thê Đe tài đồ án sau áp dụng kĩ thuật nhận dạng chừ số qua hình ảnh phần lĩnh vực thị giác máy tính Sau thời gian học tập trường, chi báo tận tình thầy giáo khoa Cơng nghệ Thông tin - Viện Đại học Mờ Hà Nội, em kết thúc khóa học tích lũy vốn kiến thức định Được đồng ý cùa Khoa Công nghệ Thông tin - Viện Đại học Mờ Hà Nội đồng ý giáo viên hướng dẫn ThS Lê Hữu Dũng, em thực đề tài “Xây dựng hệ thống nhận dạng chữ số tính tiền hóa đơn” Đe hồn thành đồ án này, em xin chân thành cảm on quý thầy cô, đặc biệt cám ơn thầy giáo hướng dẫn ThS Lê Hữu Dũng tận tình chi báo hướng dẫn em thực đồ án Qua em xin gửi lời cám ơn đến anh chị em trung tâm Công nghệ Dịch vụ Trực tuyến (OTSC) giúp đỡ em thời gian qua Mặc dù có nhiều cố gắng đế thực đề tài hoàn chỉnh Song hạn chế kiến thức chuyên môn kinh nghiệm thực tế vấn đề nên em không the tránh khỏi sai sót Em mong nhận đóng góp cùa thầy giáo bạn đế đề tài em hoàn thiện Hà Nội, tháng năm 2017 Sinh viên thực Nguyền Mạnh Đức CHƯƠNG TÓNG QUAN VÈ ĐÈ TÀI 1.1 Tổng quan lĩnh vực nhận dạng chữ số Tống quan lĩnh vực nhận dạng chừ số: Ngày nay, khái niệm ảnh số trớ nên thông dụng với hầu hết người xã hội việc thu nhận ảnh số đế đưa vào, lưu trữ thiết bị điện tứ máy tính, điện thoại, smart TV trớ nên đon giản Các lĩnh vực liên quan đến xử lý ánh số phố biến, sơi nối, phát triến rộng rãi, có lĩnh vực nhận dạng chữ số Nhận dạng chừ số lĩnh vực quan tâm nghiên cứu có ứng dụng thưc tiễn năm gần Chúng ta dề dàng nhận thấy lợi ích nhận dạng chữ số số hóa tài liệu giấy, tính tốn dựa vào tài liệu giấy, truy vấn hình ảnh (image based information retrieval ) Ớ Việt Nam giới, ứng dụng xứ lý nhận dạng ảnh bước đầu triển khai sổ lĩnh vực, mang lại hiệu quà ứng dụng nạp thẻ điện thoại thơng minh, ứng dụng chuyển đối hình ánh văn thành text Tuy nhiên số lượng ứng dụng triển khai thực tế cịn ít, lĩnh vực phát triển mạnh mẽ tương lai quan tâm cách nghiêm túc Ý tưởng đề tài nhận dạng tính tiền hóa đơn: Trong song nay, ăn nhà hàng, chơi hay mua sắm, chủng ta nhận phiếu hóa đơn tốn dài chứa danh sách ăn, dịch vụ hay đồ mua Trước tốn, ta thắc mắc tổng số tiền hóa đơn chưa lại ngại tính tốn lại danh sách dài vậy? Hệ thống nhận dạng tính tiền hóa đơn phát triển đế phục vụ cho nhu cầu Hệ thống nhận dạng lại danh sách số tiền dựa vào hình ảnh ta cung cấp đưa tồng số tiền hóa đơn 1.2 Giói thiệu cơng nghệ sử dụng ỉ.2.1 ASP.NET Từ khoảng cuối thập niên 90, ASP (Active Server Page) nhiều lập trình viên lựa chọn đê xây dựng phát triên ứng dụng web động máy chủ sử dụng hệ điều hành Windows ASP the ưu điếm cúa minh với mơ hình lập trình thú tục đơn giản , sử dụng hiệu đối tượng COM: ADO (ActiveX Data Object) - xử lý liệu, FSO (File System Object) - làm việc với hệ thống tập tin, đồng thời, ASP hồ trợ nhiều loại ngôn ngữ: VBScript, Java Script Chính ưu điểm đó, ASP yêu thích thời gian dài Tuy nhiên ASP vần cịn tồn động mơt số khó khăn mã ASP HTML lần lộn, điều làm cho trình viết mã khó khăn, thê trình bày mã không sáng, hạn che khả sử dụng lại mã Bên cạnh đó, triển khai cài đặt, không biên dịch trước nên dề bị mã nguồn phần hạn chế mặt tốc độ thực Đầu năm 2002, Microsoft giới thiệu số kĩ thuật lập trình Web mè với tên gọi ban đầu ASP+, tên thức sau ASP.Nct Với ASP.Net, khơng khơng cần địi hói bạn phái biết tag HTML, thiết kế web, mà cịn hồ trợ mạnh lập trình hướng đối tượng trình xây dựng phát triển ứng dụng Web 67 4.2 Phía server Tạo báng procedure phục vụ cho việc giao tiếp với sở liệu Hình 4.7 Cơ sở dừ liệu SQL Server 68 4.2 ỉ Kết hệ thống nhận dạng sử dụng mạng neural đa lớp SVM (Support Vector Machine) 4.2.1.1 Mạng neural đa lớp Mạng neural đa lớp (perceptron) có tổng số lớp (input, hidden, output) sử dụng phương pháp lan truyền ngược (back propagation) + Lóp input có 16 ncurals tương ứng với 16 đặc trưng tách từ ảnh sử dụng kĩ thuật phân vùng (zoning) + Lớp hidden có 20 neurals + Lớp output có neurals tương ứng với bít nhị phân cúa chừ số Mạng huấn luyện tập dừ liệu MNIST [12] với tập huấn luyện gồm 60000 chừ số viết tay tập kiểm tra gồm 1000 chừ sổ viết tay Ti lệ nhận dạng thành công đạt 71,4% Expected: Result: Expected: Result: Expected: Result: Expected: Result: Expected: Result: Expected: s Result: Expected: Result: Expected: Result: Expected: Result: 9| Expected: Result: Expected: Result: Expected: Result: Expected: Result: Expected: Result: Expected: Result: Expected: Result: FINAL RESULT: 714/1000 Hình 4.8 Tỉ lệ nhận dạng ANN tập dừ liệu MNỈST 69 Result: I Recognize"] OOOŨO01100000000000000000001 0000011111100000000000000001 0000111111110000000000000001 0001111111111000000000000001 0000111101111100000000000001 0000000000111110000000000001 0000000000011111000000000001 0000000000000111100000000001 0000000000000011110000000001 0000000000000011110000000001 0000000000000001110000000001 0000000000000001111000000001 0000000000000000111000000001 0000000000000000111000000001 0000000000000000111000000001 0000000000000000111000000001 0000000000000000111000000001 0000000000000000111000000001 0000000000000001111000000001 0000000000001111110000000001 0000000001111111110000000001 0001111111111100000000000001 0011111111110000000000000001 1111111000000000000000000001 1111110000000000000000000001 0111111111111111111111111111 0001111111111111111111111111 1111111111111111111111111111 Hình 4.9 Ket thử nghiêm liệu thực tế 4.2 Ị.2 Hệ thống SVM (Support Vector Machine) Ket thực hiện: Hệ thống mạng đa lớp SVM (Multi-class Support Vector Machines) sử dụng thư viện Accord [13] Aforge [14] tảng NET với tập dừ liệu huấn luyện MNIST [12] gồm 60000 chữ số viết tay liệu kiểm tra gồm 1000 chừ số viết tay Tỉ lệ nhận dạng tập mẫu đạt 98% Classification complete Hits: 982/1000 (98%) Hình 4.10 Tỉ lệ nhận dạng tập mâu SVM 70 0000000000000000000000000001 0000000000000000000000000001 0000001111111111111111111001 0000111111111111111111111001 0000011111111111111100000001 0000001110000000000000000001 0000001110000000000000000001 0000011110000000000000000001 0000011111111111111100000001 0000011111111111111110000001 0000000000000000001111000001 0000000000000000000111110001 ữcõc-ữữờữờữõooõõõoõõữoi111OOI 0000000000000000000001111001 oooooooooooooooooooooo 111101 0000000000000000000000111101 0000000000000000000000111101 0000000000000000000000111101 0000000000000000000001111101 0000011111111111111111111001 0000111111111111111111100001 0000000000111111111110000001 0000000000000000000000000001 0000000000000000000000000001 rưwwwwwwvwwwwww\1 Hình 4.11 Ket quớ thử nghiệm liệu thực tế 4.3 Phía Client Hồn thành chức chụp ảnh - cắt ảnh, chức chọn ảnh từ thư viện Select Image Take from camera Select from gallery Hình 4.12 Menu lựa chọn chức chụp, chọn ảnh 71 kõ o o o lOoc o 5S ooo loooo Hình 4.13 Chức chụp ảnh Hình 4.14 Chức cắt ảnh 72 Hình 4.15 Chức chọn ảnh từ thư viện Hồn thành chức tách kí tự từ ánh Bill Checker I kòũ o ol [10 ũ co 15b Pool I (OOOQ Hình 4.16 Kết tách kí tự theo dòng 73 o u/o eg III .III 4* = *'■' Bill Checker 3:51 f'M : Hình 4.17 Két q tách kỉ tự từ dịng Hồn thành chức tính tổng tiền hóa đơn Bill Checker Total: 85000 10000 20000 55000 Hình 4.18 Chức tinh tổng tiền hóa đơn 74 Hình 4.19 Chức sứa số tiền hóa đon Hình 4.20 Chức xóa số tiền hóa đơn 75 Feedback Hi, your feedbacks help US to Improve our app's quality, user’s experience and more Enter title here Enter feedback here SEND FEEDBACK Hình 4.21 Chức góp ý Statistic shopping - 95000 14-04-2017 o Bought PC - 95000 14-04-2017 o trà đá - 95000 14-04-2017 o Hình 4.22 Chức thống kê 76 CHƯƠNG KÉT LUẬN 5.1 Kết đạt Mặc dù cịn nhiều sai sót thực hiện, nội dung sau hoàn thành so với tiến độ đề ra: - Hoàn thành tài liệu phân tích thiết kế hệ thống - Xây dựng chức tiền xử lý ảnh - Xây dựng sở dừ liệu tầng (entity, data access, bussincss logic) phía server - Xây dựng ứng dụng tính tiền hóa đon phía client Hệ thống có the tính tiền hóa đơn với trường hợp: - Hóa đơn khơng có dịng ké - Hóa đơn có dịng ké (nét liền) với điều kiện số khơng bị đè lên dịng kẽ - Các hóa đơn trình bày tốt: số tiền viết thăng hàng, khoảng cách số không chênh lệch nhiều, chừ số rõ ràng - 5.2 - Chất lượng ảnh chụp hóa đơn tốt Những phần chưa đạt Tiền xử lý cần phái tốt (bố sung kĩ thuật làm trơn ánh, cân histogram, nắn chỉnh biến dạng) - Tách dịng tách kí tự từ dịng cịn chưa tốt, có nhiều trường hợp khơng tách tách khơng đú số - Chưa tính hóa đơn: có dịng kẻ đứt, chứa dấu (phẩy, nhân, chia, .), hóa đơn quay ngang 77 5.3 Huong phát triển - Bổ sung thêm kĩ thuật tiền xử lý để có đuợc chất lượng ảnh tốt - Cãi thiện chức tách dịng tách kí tự - Xây dựng chức cho phép người dùng tùy chinh thông số bước tiền xử lý 78 TÀI LIỆU THAM KHẢO [1] TS Đồ Năng Toàn; TS Phạm Việt Bình, Xử lý ánh, Thái Nguyên: Đại học Thái Nguyên - Khoa Công nghệ Thông tin, 2007 [2] z Ghahramani, "An Introduction to Hidden Markov Models and Bayesian Networks," University College London, London, 2001 [3] K.s Phạm Văn Khoa, T.s Lưu Văn Trường, "Mạng nơ ron nhân tạo (ANN) giới thiệu số nghiên cứu ứng dụng quản lý dự án đầu tư xây dựng," Tài kinh tế xây dựng, 2006 [4] p N V Định, "Bài giảng môn học LOGIC MỜ VÀ ỨNG DỤNG," Khoa CNTT, Học Viện NN Việt Nam [5] T Đ Phúc, ửng dụng mạng neural nhận dạng ký tự quang học, 2008 [6] Nhận dạng ký tự số viết tay, Tạp chí Khoa học Trường Đại học cần Thơ, 2013 [7] Nguyễn Thị Oanh, Phùng Minh Tám, “KHÁ NĂNG ỨNG DỤNG PHÂN LOẠI BÈ MẶT LỚP PHÚ BẰNG THUẬT TOÁN SUPPORT VECTOR MACHINE,” KS Trường Đại học Lâm nghiệp, 2015 [8] R D Snee, "Validation of Regression Models: Methods and Examples," 1997 [9] F V G Osuna, "Nhận diện khuôn mặt," 1997 [10] Joachims, "Phân loại văn bản," 1997 [ 11 ] N M Đức, "Tìm hiếu số kĩ thuật nhận dạng chữ số xây dựng ứng dụng thứ nghiêm," Hội nghị Nghiên cửu Khoa học Sinh viên - Khoa Công nghệ Thông tin - Viện Đại học Mở Hà Nội, Hà Nội, 2017 [12] Yann LcCun, Corinna Cortes, Christopher J.c Burges, "THE MNIST DATABASE of handwritten digits," 1998 [Online], Available: http://yann.lecun.com/exdb/mnist/ 79 [13] "Accord.NET Framework," 2008 [Online], Available: http://accordframework.net/ [14] "AForge.NET Framework," 2012 [Online], Available: http://www.aforgenet.com/ [15] A H.N, "Feature Extraction Technique for Neural Network Based Pattern Recognition," University B.D.T College of Engineering, 2012 [16] OpcnCV Team, "OpcnCV," Open Source Computer Vision Library, 2017 [Online], Available: http://opencv.org/ 80 VIỆN ĐẠI HỌC MỞ HA NỘI KHOA CÔNG NGHỆ THÔNG TIN GIẤY XÁC NHẬN CHỈNH SỬA ĐÒ ÁN TỐT NGHIỆP (Theo yêu cầu Hội đồng chấm bào vệ đồ án) (Máu cập nhặt 11/2016 Thông tin chung 1.1 Tên đê tài: Xây dựng hệ thống nhận dạng chữ số tính tiền hóa đơn 1.2 Sinh viên thực hiện: Họ tên: Nguyễn Mạnh Đức 1.3 Lớp:1310A01 Giảng viên hướng dẫn: ThS Lê Hữu Dũng Nội dung chình sửa theo yêu cẩu Biên bảo vệ đồ án 2.1 giải pháp thực đề tài Các bước tiền xử lý để ảnh có kết tốt (lảm xám ảnh, lọc nhiễu, nhị phân hóa) đề cập đến báo cáo trang 64 - 66 Hỗ trợ nhiều định dạng khác cho ành đầu vào gồm có: JPG, BMP, PNG bố sung vào báo cáo ưang 49 Bổ sung phát triển cho chức cho phép người dùng kiếm tra tùy chinh giai đoạn tiền xử lý đưa vào hướng phát triển không đủ thời gian thực Với phạm vi cùa đe tài “Xây dựng hệ thống nhận dạng chữ số tính tiền hóa đơn” nhận dạng so tiền có hóa đơn đưa kết quà tồng số tiền, việc bổ sung giải pháp tốn nằm ngồi phạm vi cùa đề tài /2 81 2.2 báo cáo đồ án Số trang Nội dung chinb sửa 49 ứng dụng dã hỗ trợ định dạng ảnh (JPG, PNG, BMP) giải thích rõ báo cáo 49 Bồ sung phát triển chức tùy chinh thông so tiền xử lý ảnh mó tả tốn vả đưa vào hướng phát ưiển không dủ thời gian thực 51 Sửa thiết kế usecase hệ thống hình 3.2 77 Sửa hướng phát triển xây dựng chức nãng cho phép người dùng kiểm tra tùy chinh tiền xử lý Xác nhận Giảng viên hướng dẫn: 'M fi3i ẦỉiO (^iã QẨ i^ji £Áu ư'ẽ ữụh dtưịệJr; - Hà Nội, ngày 08 tháng 05 năm 2017 TM Hội đồng chấm bào vệ (Thư ký hội đồng xác nhận sau đổi chiếu biên bản, kiểm tra nội dung chình sừạ) Sinh viên / nhóm sinh viên Nguyễn Mạnh Đức , \(ỊUẠịàn %fù (jwjnfi ■ Kíui 2/2 ... ta nhận phiếu hóa đơn tốn dài chứa danh sách ăn, dịch vụ hay đồ mua Trước toán, ta thắc mắc tổng số tiền hóa đơn chưa lại ngại tính tốn lại danh sách dài vậy? Hệ thống nhận dạng tính tiền hóa đơn. .. ánh số phố biến, sôi nối, phát triến rộng rãi, có lĩnh vực nhận dạng chữ số Nhận dạng chừ số lĩnh vực quan tâm nghiên cứu có ứng dụng thưc tiễn năm gần Chúng ta dề dàng nhận thấy lợi ích nhận dạng. .. học Mờ Hà Nội đồng ý giáo viên hướng dẫn ThS Lê Hữu Dũng, em thực đề tài ? ?Xây dựng hệ thống nhận dạng chữ số tính tiền hóa đơn? ?? Đe hồn thành đồ án này, em xin chân thành cảm on quý thầy cô, đặc