(Luận văn) nhận dạng ký tự quang cho văn bản có cấu trúc, ứng dụng trong đọc chứng minh thư nhân dân

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - lu an n va to p ie gh tn NGUYỄN ĐÌNH MẬU nl w d oa NHẬN DẠNG KÝ TỰ QUANG CHO VĂN BẢN CÓ CẤU TRÚC, ll u nf va an lu ỨNG DỤNG TRONG ĐỌC CHỨNG MINH THƯ NHÂN DÂN oi m z at nh LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) z m co l gm @ an Lu n va HÀ NỘI - 2022 ac th si HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG - NGUYỄN ĐÌNH MẬU lu an NHẬN DẠNG KÝ TỰ QUANG CHO VĂN BẢN CÓ CẤU TRÚC, va n ỨNG DỤNG TRONG ĐỌC CHỨNG MINH THƯ NHÂN DÂN tn to ie gh Chuyên ngành: Hệ thống thông tin p Mã số: 8.48.01.04 d oa nl w LUẬN VĂN THẠC SĨ KỸ THUẬT ll u nf va an lu (Theo định hướng ứng dụng) oi m z at nh NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN TRỌNG KHÁNH z m co l gm @ an Lu HÀ NỘI - 2022 n va ac th si BẢN CAM ĐOAN Tôi cam đoan thực kiểm tra mức độ tương đồng nội dung luận văn qua phần mềm DoIT cách trung thực đạt kết mức độ tương đồng là: 17% toàn nội dung luận văn Bản luận văn kiểm tra qua phần mềm cứng luận văn nộp để bảo vệ trước Hội đồng Nếu sai xin chịu hình thức kỷ luật theo quy định hành Học viện Hà Nội, ngày 09 tháng 02 năm 2022 HỌC VIÊN CAO HỌC lu (ký ghi rõ họ tên) an n va p ie gh tn to d oa nl w Nguyễn Đình Mậu ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Trước tiên, xin bày tỏ lời cảm ơn sâu sắc đến thầy, giáo khoa sau Đại học nói riêng thầy cô giáo trường Học viện Công nghệ Bưu viễn thơng nói chung lời cảm ơn chân thành Đặc biệt, xin gửi lời cảm ơn sâu sắc tới TS Nguyễn Trọng Khánh người tận tình bảo, hướng dẫn tơi suốt q trình tìm hiểu, nghiên cứu để hồn thành luận văn tốt nghiệp Nếu khơng có hỗ trợ kiến thức chun mơn thầy chắn tơi khơng thể hồn thành thời hạn lu an n va p ie gh tn to Đồng thời, xin cảm ơn tới gia đình, người thân u ln bên cạnh, động viên, giúp đỡ suốt trình học tập Bên cạnh tơi xin gửi lời cảm ơn đến thành viên lớp M19CQIS01-B chia sẻ kinh nghiệm, kiến thức quý báu cho tơi q trình nghiên cứu thực luận văn d oa nl w Thời gian thực luận văn, kinh nghiệm lĩnh vực nghiên cứu thân hạn chế, luận văn thiếu sót, mong nhận ý kiến đóng góp Q thầy bạn để tơi hồn thiện luận văn cách tốt nhất./ an lu ll u nf va Hà Nội, ngày 09 tháng 02 năm 2022 oi m z at nh z m co l gm @ an Lu n va ac th si Mục lục CHƯƠNG I : GIỚI THIỆU BÀI TOÁN 1.1 Tổng quan nhận dạng ký tự quang 1.2 Các bước bản nhận dạng ký tự quang học 10 CHƯƠNG 2: KỸ THUẬT HỌC SÂU TRONG PHÂN TÍCH CHỨNG MINH THƯ 12 lu an n va 12 2.2 Các phương pháp sử dụng để thực toán nhận dạng ký tự quang học 14 2.3 Xử lý ảnh 15 2.3.1 Phép biến đổi TPS 15 2.3.2 Sử dụng biến đổi Hough 17 2.3.3 Mơ hình mạng học sâu SSD-V2 18 2.4 Xác định vùng quan tâm dựa cấu trúc văn 22 2.4.1 Mơ hình CRAFT 22 gh tn to 2.1 Mơ tả tốn nhận dạng chứng minh nhân dân 26 2.4.3 Cơ chế Attention 30 p ie 2.4.2 Mạng nhớ dài - ngắn 2.5 Nhận diện ký tự nl w 31 31 2.5.2 Phương pháp Transformer 32 2.6 Phương pháp đề xuất 34 d oa 2.5.1 Nhược điểm mơ hình RNN va an lu 34 2.6.2 Xác định từ chứng minh thư dùng mô hình CRAFT 37 ll u nf 2.6.1 Xác định góc chứng minh thư sử dụng mơ hình SSD m 2.6.3 Nhận diện ký tự sử dụng mơ hình vietOCR[18] oi 38 z at nh CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 42 3.1 Tập liệu 42 49 l 50 m co DANH SÁCH TÀI LIỆU THAM KHẢO gm KẾT LUẬN 42 @ 3.3 Phân tích kết quả: z 3.2 Thiết lập thực nghiệm 51 an Lu n va ac th si Danh sách hình ảnh Hình 1: Văn có cấu trúc 10 Hình 2: Văn phi cấu trúc 10 Hình 3: Sơ đồ hệ thống OCR 11 Hình 4: Kết nhận diện hộp giới hạn sử dụng mơ hình xác định ký tự 11 Hình 5: Chứng minh thư mẫu cũ 12 Hình 6: Hộp giới hạn vùng chữ nhận diện 13 Hình 7: Kết nhận diện text với trường thông tin chứng minh thư 14 lu Hình 8: Pipeline hệ thống nhận diện ký tự quang học sử dụng mạng mạng thần kinh đồ thị 14 an n va 15 Hình 10: Minh hoạ q trình tính tốn điểm p’ 17 tn to Hình 9: Minh họa phép biến đổi TPS Hình 11: Sử dụng biến đổi Hough xử lý góc nghiêng 18 gh Hình 12: Mơ hình mạng SSD với tầng sở VGG-16 p ie 18 w Hình 13: Kiến trúc trúc mạng thần kinh dự đốn đa kích thước mơ hình SSD 19 Hình 14: Đánh giá độ xác kết dự đoán hộp giới hạn oa nl 20 22 Hình 16: Mơ hình mạng CRAFT 23 Hình 17: Ảnh đầu vào 24 d Hình 15: Ma trận đặc trưng tương ứng với nhiều kích thước đồ đặc trưng u nf va an lu Hình 18: Bản đồ vùng ll 25 25 z at nh Hình 20: Hình giới hạn màu đỏ oi m Hình 19: Bản đồ tương quan 24 26 Hình 22: Sơ đồ mạng RNN 27 27 28 29 an Lu Hình 26: Cập nhật trạng thái cho tế bào LSTM 28 m co Hình 25: Cổng “đầu vào” mạng LSTM l gm Hình 24: Cổng “quên” mạng LSTM @ Hình 23: Sơ đồ mạng LSTM z Hình 21: Ảnh kết nhận diện bị nghiêng, méo n va ac th si lu an n va 29 Hình 28: Mơ hình RNN LSTM 31 Hình 29: Mơ hình Transformer điển hình 33 Hình 30: Logic mơ hình transformer 34 Hình 31: Hình ảnh chứng minh thư đầu vào 35 Hình 32: Kết xác định góc chứng minh thư 36 Hình 33: Sơ đồ giải thuật tìm góc 36 Hình 34: Chứng minh thư sau cắt 37 Hình 35: Kết xác định ký tự mơ hình CRAFT 37 Hình 36: Kết sau sử dụng mơ hình biến đổi TPS 38 Hình 37: Minh họa mơ hình attention OCR 38 Hình 38: Phép biển đổi làm phẳng để tạo ma trận đặc trưng 39 tn to Hình 27: Cập nhật đầu cho tế bào LSTM 40 Hình 40: So sánh mơ hình Transformer LSTM 41 Hình 41: Dữ liệu huấn luyện tự sinh 41 p ie gh Hình 39: Kiến trúc mạng Transformer OCR 41 nl 41 oa w Hình 42: Hình ảnh cần nhận diện d Hình 43: Kết nhận diện thời gian xử lý ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si Danh mục từ viết tắt lu an n va Ký hiệu chữ viết tắt Chữ viết đầy đủ OCR Optical Character Recognition LSTM Long-short term memory NLP Natural language processing CRAFT Character-region awareness for text detection CTC Connectionist Temporal Classification CRNN Convolutional Recurrent Neural Network ASTER Attentional Scene Text Recognizer MORAN Multi-object rectified attention network SSD Single shot multibox detector VGG Visual Geometry Group IoU Intersection of Union TPS Thin plate spline RNN Recurrent neural network gh tn to STT p ie 10 d oa lu GRU Gated recurrent units ll u nf va an 14 nl 13 w 12 11 oi m z at nh z m co l gm @ an Lu n va ac th si CHƯƠNG I : GIỚI THIỆU BÀI TOÁN 1.1 Tổng quan nhận dạng ký tự quang Chúng ta sống thời đại tổ chức công ty mở rộng quy mô để phù hợp phải thay đổi cách họ nhìn vào cơng nghệ thích nghi với thay đổi nhanh chóng cơng nghệ Chúng ta biết Google số hóa sách cách Google Earth sử dụng NLP để xác định địa làm đọc văn tài liệu kỹ thuật số hóa đơn, giấy tờ pháp lý Đó tốn nhận dạng ký tự quang học (OCR) thực luận văn Nhận dạng ký tự quang học ứng dụng công nghệ chuyên dùng để đọc text file ảnh lu an Được biết đến công cụ scan kỹ thuật số chuyên nhận dạng ký tự, chữ viết n va tay, hay chữ đánh máy, công nghệ chuyên dùng để truyền tải, nhập liệu liệu, hộ chiếu, danh thiết, tài liệu Bằng cách áp dụng nhận dạng ký tự quang học, quy gh tn to nhận dạng ký tự quang học có khả số hóa nhiều tài liệu khác như: hóa đơn, p ie trình số hóa tài liệu, tìm kiếm chỉnh sửa thực cách tự động, tiết w kiệm không gian lưu trữ thuận tiện việc tra cứu thông tin oa nl Hiện ảnh chụp văn cần nhận dạng, ta chia làm loại : d - Văn có cấu trúc: Văn tài liệu đánh máy thường xuất lu an tảng tiêu chuẩn, có hàng lối, phông chữ tiêu chuẩn Các văn u nf va thường gặp giấy tờ tùy thân chứng minh thư nhân dân, giấy khai sinh, hộ chiếu trang sách Đối với loại liệu này, việc trích xuất đặc trưng, ll z at nh điều kiện ánh sáng thiếu oi m xác định vị trí ký tự nhận dạng ký tự khơng khó văn khơng bị mờ, nhòe Văn phi cấu trúc: Văn vị trí ngẫu nhiên khung cảnh z tự nhiên Văn thưa thớt, khơng có cấu trúc hàng thích hợp, phức tạp, vị trí @ gm ngẫu nhiên ảnh khơng có phơng chữ chuẩn Những văn m co l biển hiệu quảng cáo, hóa đơn, biển số xe chữ viết tay Trong phạm vi luận văn, kí tự nằm sản phẩm gọi văn phi cấu trúc chúng có màu an Lu sắc, vị trí ngẫu nhiên ảnh n va ac th si 10 Hình 1: Văn có cấu trúc lu an va n Hình SEQ Hình \* ARABIC 1: Văn có cấu trúc p ie gh tn to d oa nl w va an lu Hình SEQ Hình \* ARABIC 2: Văn phi cấu trúc ll u nf Hình 2: Văn phi cấu trúc oi m 1.2 Các bước bản nhận dạng ký tự quang học z at nh Trước có bùng nổ cơng nghệ học sâu vào năm 2012, nhận dạng ký tự quang học vấn đề thách thức đặc biệt hình ảnh văn chụp z môi trường không bị giới hạn Khi hình ảnh chứa phức tạp, nhiễu, phông @ gm chữ khác biến dạng hình học hình ảnh Điều thể rõ m co l trường hợp hóa đơn khách hàng chụp gửi lại cho điều kiện xấu lóa (do giấy in hóa đơn bóng), bị nhàu nát, khơng đủ an Lu sáng, bị ướt Chính tình vậy, nhận dạng ký tự quang học kết hợp học sâu biện pháp tốt sử dụng để nhận dạng văn n va ac th si 41 lu an va n Hình 40: So sánh mơ hình Transformer LSTM p ie gh tn to d oa nl w an lu ll u nf va Hình 41: Dữ liệu huấn luyện tự sinh oi m z at nh Hình 42: Hình ảnh cần nhận diện z gm @ m co l Hình 43: Kết nhận diện thời gian xử lý an Lu n va ac th si 42 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 3.1 Tập liệu Trong phần thực nghiệm, tác giả thực thu thập liệu chứng minh thư nhóm Facebook đăng tin tìm kiếm, trả lại giấy tờ Tổng số mẫu ảnh thu 580 ảnh Phần engine nhận diện ký tự, luận văn sử dụng ký tự tự sinh với số lượng mẫu triệu ảnh 3.2 Thiết lập thực nghiệm lu an Môi trường thực nghiệm chạy CPU Intel i7-10700F nhân, 16 luồng, n va RAM 32GB, card GTX 2070 8GB Thư viện sử dụng Pytorch 1.8 to tn Thời gian huấn luyện mơ hình SSD-v2 xác định góc tiếng, với liệu ie gh 580 ảnh để xác định góc sử dụng, 300 ảnh sử dụng để huấn luyện, 280 ảnh p sử dụng để kiểm tra Độ xác đạt được: F1 score: 97.3%, accuracy: 94.8% Negative 551 10 29 NA True u nf va an lu False d oa nl w Positive Những mẫu nhận sau thường bị tay cầm che góc ll oi m Kết nhận diện vùng ROI chứa ký tự mạng CRAFT z at nh z m co l gm @ an Lu n va ac th si 43 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 44 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 45 Ảnh đầu vào lu an n va p ie gh tn to oa nl w d Ảnh sau xử lý { ll "id": "371656094", u nf va an lu Kết m oi "name": "PHẠM PHƯỚC DƯƠNG", z at nh "birth": "27-03-1995", z "home": "rú 69/11 Nguyễn Chí Thanh Tp Rạch Giá Kiên Giang", m co l gm } @ "add": "Tp Rạch Giá Kiên Giang" an Lu n va ac th si 46 lu an Ảnh đầu vào n va p ie gh tn to d oa nl w lu ll { u nf Kết va an Ảnh sau xử lý oi m "id": None, "birth": "05-06-1997", z at nh "name": "PHẠM THỊ MỸ PHƯƠNG", z "home": "Tịnh Thọ Sơn Tịnh Quảng Ngãi", m co l gm } @ "add": "Tịnh Thọ Sơn Tịnh Quảng Ngãi" an Lu n va ac th si 47 lu Ảnh đầu vào an n va p ie gh tn to oa nl w d an lu Kết Ảnh sau xử lý "id": "0734979", ll u nf va { z at nh "birth": "02-01-1997", oi m "name": "ĐẶNG THỊ PHONG", "home": "Xã Võ Điểm Huyện Bắc Quang Hà Giang", m co l gm @ } z "add": "Huyện Hàm Yên Tuyên Quang" an Lu n va ac th si 48 lu Ảnh đầu vào an n va p ie gh tn to d oa nl w ll { u nf Kết va an lu Ảnh sau xử lý z at nh "birth": "10-10-1939", oi "name": "HỒ VĂN HÒA", m "id": "0701500715", z "home": "Trung Yên Sơn Dương Tuyên Quang", @ } m co l gm "add": "Xã Hưng Phú Huyện Hưng Nguyên Nghệ An" an Lu n va ac th si 49 3.3 Phân tích kết quả: Trong luận văn, tác giả xây dựng cách tiếp cận hồn chỉnh giải toán nhận diện ký tự quang học cho chứng minh thư nhân dân Mơ hình nhận diện vùng chứng minh thư ảnh hoạt động tốt với ảnh đầu vào bị biến dạng: méo, xoay, góc Mơ hình xác định ký tự hoạt động tốt với liệu thực nghiệm, với ảnh mờ, lóa xác định ký tự ảnh Kết nhận diện hoạt động tốt liệu kiểm tra, mô hình nhận diện lu an huấn luyện với lượng liệu lớn, bao gồm liệu tự sinh, liệu thu thập từ n va nhiều nguồn văn khác tn to Do thời gian thực có hạn, tác giả chưa thủ thập liệu đủ lớn gh Trong tương lai, để cải thiện kết phương pháp tại, tác giả đề xuất thu p ie thập nhiều liệu Từ đó, tập liệu có độ phân bố rộng nhằm xác định d oa nl w trường hợp giới hạn giải thuật ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 50 KẾT LUẬN Nhận dạng mẫu ngành khoa học học máy (hay trí tuệ nhân tạo) nhằm phân loại liệu (các mẫu) vào số lớp Mẫu thực thể cần nhận ra, ví dụ: chữ in, chữ viết tay, vân tay, khn mặt, tiếng nói, hình dạng Ngày nay, phát triển khoa học kỹ thuật, ứng dụng nhận dạng mẫu mở rộng nhiều lĩnh vực, việc tự động hóa, nhận diện khơng cịn q xa lạ Chiếc điện thoại thơng minh tích hợp nhận diện khn mặt vân tay để mở khóa, thiết bị tự động khác khóa cửa sử dụng vân tay, hệ thống bảo mật trang bị khuôn mặt, võng mạc ngày khai thác tối đa, trở thành phần không lu thể thiếu sống đại an n va Nhận dạng mẫu ứng dụng phổ biến lĩnh vực phân tích nhận dạng tài liệu, thơng tin cá nhân Cho đến nay, tốn phân tích nhận dạng ảnh tài liệu gh tn to ảnh tài liệu, có nguồn gốc từ hệ thống nhận dạng ký tự quang học, nhằm số hoá p ie giải gần trọn vẹn có sản phẩm thương mại Luận văn tập trung nghiên cứu nhận dạng văn cho ảnh có cấu trúc, ứng nl w dụng nhận dạng chứng minh thư nhân dân dựa tập liệu thu thập d oa Kết Luận văn gồm: an lu - Nghiên cứu thuật toán học máy cho toán đọc ký tự quang học u nf toán va - Nghiên cứu phương pháp nâng cao độ xác cải thiện tốc độ xử lý ll - Thử nghiệm xây dựng ứng dụng hỗ trợ người dùng oi m z at nh z m co l gm @ an Lu n va ac th si 51 DANH SÁCH TÀI LIỆU THAM KHẢO PGS.TS Nguyễn Quang Hoan (2014), “Giáo trình xử lý ảnh”, Học viện Cơng nghệ bưu viễn thơng Lê Đức Hiếu (2015), “Ứng dụng số kỹ thuật xử lý ảnh phân tích chứng minh nhân dân”, Luận văn thạc sĩ Công nghệ Thông tin, trường Đại học Công nghệ Hồ Đức Lĩnh (2017), “Xử lý hình thái học ảnh ứng dụng”, Khoa Công nghệ Thông tin - Đại học Đông Á Phan Thị Phượng (2017), “Nghiên cứu mơ hình học máy sâu mạng Neuron”, Luận văn thạc sĩ trường ĐH Công nghiệp Hà Nội lu an Graph Convolutional Networks (GCN) & Pooling https://jonathan- n va hui.medium.com/graph-convolutional-networks-gcn-pooling-839184205692 tn to Using Graph Convolutional Neural Networks on Structured Documents for Information Extraction https://towardsdatascience.com/using-graph-convolutional- gh p ie neural-networks-on-structured-documents-for-information-extraction-c1088dcd2b8f Character-Region Awareness For Text detection: nl w https://github.com/clovaai/CRAFT-pytorch d oa Belval/TextRecognitionDataGenerator an lu https://github.com/Belval/TextRecognitionDataGenerator va clovaai/deep-text-recognition-benchmark ll u nf https://github.com/clovaai/deep-text-recognition-benchmark oi m 10 Using Tesseract OCR with Python https://www.pyimagesearch.com/2017/07/10/using-tesseract-ocr-python/ z at nh 11 https://github.com/pbcquoc/vietocr 11 Bộ liệu huấn luyện: https://drive.google.com/drive/folders/1- z gm @ 3bBT6fM4Ilo4zDTXGy1QAAclRTP6D2v?usp=sharing 12 Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov, l https://arxiv.org/pdf/1801.04381.pdf m co Liang-Chieh Chen : MobileNetV2: Inverted Residuals and Linear Bottlenecks: an Lu n va ac th si 52 13 Jian Ye, Zhe Chen, Juhua Liu, Bo Du: TextFuseNet: Scene Text Detection with Richer Fused Features 14 Youngmin Baek, Bado Lee, Dongyoon Han, Sangdoo Yun, and Hwalsuk Lee: Character Region Awareness for Text Detection 15 Z Tian, W Huang, T He, P He and Y Qiao: Detecting Text in Natural Image with Connectionist Text Proposal Network, ECCV, 2016 16 Xinyu Zhou, Cong Yao, He Wen, Yuzhi Wang, Shuchang Zhou, Weiran He, Jiajun Liang: EAST: An Efficient and Accurate Scene Text Detector 17 Minghui Liao, Zhaoyi Wan , Cong Yao,, Kai Chen, Xiang Bai: Real-time lu an Scene Text Detection with Differentiable Binarization n va 18 Christian Szegedy, Scott Reed, Dumitru Erhan, Dragomir Anguelov, Sergey p ie gh tn to Ioffe, Scalable, High-Quality Object Detection d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 53 CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM BỘ THÔNG TIN VÀ TRUYỀN THÔNG HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG Độc lập - Tự - Hạnh phúc BÁO CÁO GIẢI TRÌNH SỬA CHỮA, HỒN THIỆN LUẬN VĂN THẠC SĨ NGUYỄN ĐÌNH MẬU Họ tên học viên: Chun ngành: Hệ thống thơng tin Khóa: 2019 - 2021 Tên đề tài: Nhận dạng ký tự quang cho văn có cấu trúc, ứng dụng lu đọc chứng minh thư nhân dân an Người hướng dẫn khoa học: TS Nguyễn Trọng Khánh va n Ngày bảo vệ: 15/01/2022 to tn Các nội dung học viên sửa chữa, bổ sung luận văn theo ý kiến đóng ie gh góp Hội đồng chấm luận văn: Ý kiến hội đồng p TT Học viên chỉnh sửa mục 1.3 thành mục 2.1 Chương Chỉnh sửa Chương I oa nl w Sửa chữa học viên Học viên chỉnh sửa làm rõ quy trình thực Bổ sung, làm rõ thêm mục 2.3 Chỉnh sửa Chương II Thêm trích dẫn tài Học viên hoàn thiện thêm trích dẫn liệu tham khảo luận văn tài liệu tham khảo luận văn Chỉnh sửa lỗi tả d ll u nf va an lu oi m Học viên rà soát sửa lỗi tả Hà Nội, ngày 09 tháng 02 năm 2022 z at nh Ký xác nhận THƯ KÝ HỘI ĐỒNG NGƯỜI HƯỚNG DẪN KHOA HỌC HỌC VIÊN z m co l gm @ CHỦ TỊCH HỘI ĐỒNG CHẤM LUẬN VĂN an Lu PGS.TS Trần Quang Anh TS Nguyễn Văn Thủy TS Nguyễn Trọng Khánh Nguyễn Đình Mậu n va ac th si 54 Hình ảnh minh chứng kiểm tra kết trùng lặp liệu lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z TÁC GIẢ m co l gm @ NGƯỜI HƯỚNG DẪN KHOA HỌC an Lu TS Nguyễn Trọng Khánh Nguyễn Đình Mậu n va ac th si 55 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si