AI được thực hiện bằng cách nghiên cứu cách suy nghĩ của con người, cách con người học hỏi, quyết định và làm việc trong khi giải quyết một vấn đề nào đó, và sử dụng những kết quả nghiên
HỌC VIỆN NGÂN HÀNG TRÍ TUỆ NHÂN TẠO TRONG KINH DOANH ỨNG DỤNG COMPUTER VISION TRONG QUẢN LÝ BÁN HÀNG CỦA KLEVER FRUIT Giảng viên hướng dẫn: Cô Nguyễn Thị Yến Nhóm sinh viên thực hiện: Nhóm 12 Lớp tín chỉ: K23KTDTA Hà Nội, Tháng 12 năm 2023 DANH SÁCH THÀNH VIÊN Họ tên Mã sinh viên Nguyễn Đức Thắng 25A4031974 Nguyễn Phương Thành 24A4070156 Lê Hoàng Ngọc 23A4010459 Trịnh Thanh Tú 24A4072627 Nguyễn Thị Kiều Trang 24A4072621 Mức độ đóng góp LỜI CẢM ƠN Lời đầu tiên, chúng em xin chân thành cảm ơn cô Nguyễn Thị Yến – Giảng viên mơn Trí tuệ nhân tạo kinh doanh tận tình giảng dạy hướng dẫn chúng em suốt thời gian môn học Bộ môn Trí tuệ nhân tạo mơn học thú vị, vơ bổ ích có tính thực tế cao Đảm bảo cung cấp đủ kiến thức, gắn liền với nhu cầu thực tiễn sinh viên nay, đặc biệt thời đại cơng nghiệp hóa, đại hóa Nhờ vào giảng lớp, em vượt qua khó khăn thực tập lớn Sau tất cả, chúng em nhận thức với lượng kiến thức kinh nghiệm ỏi thân, chắn tập lớn khó tránh khỏi thiếu sót Chúng em mong thơng cảm góp ý để chúng em ngày hoàn thiện LỜI CAM ĐOAN Chúng em xin cam đoan cơng trình nghiên cứu nhóm chúng em hướng dẫn khoa học giảng viên môn – Cô Nguyễn Thị Yến Nội dung nghiên cứu đề tài “” trung thực chưa cơng bố hình thức trước Những số liệu bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá thu thập từ nguồn khác có ghi rõ nguồn gốc Nếu phát có gian lận em xin hoàn toàn chịu trách nhiệm nội dung tập lớn Chúng em xin chân thành cảm ơn! MỤC LỤC I Giới thiệu chung: .6 Một số thông tin nhãn hàng Klever Fruit: Những vấn đề tồn Kelver Fruit: .7 II Sơ lược toán: .7 III Chuẩn bị liệu: Dữ liệu hình ảnh: Các kiểu liệu hình ảnh cần thu thập: .8 Số lượng hình ảnh cụ thể: Cách thức tổ chức liệu máy tính: IV Giới thiệu tổng quan thuật toán CNN: 4.1 Cấu trúc mạng: 4.2 Đặc trưng mạng CNN: 4.3 Tích chập mạng CNN V Xây dựng mơ hình nhận diện ảnh sử dụng mạng Nơ-Ron học sâu CNN Google Colab: 5.1 Tạo thư mục dự án 5.2 Upload Tập liệu ảnh: Kích đúp chuột mở thư mục Nhận diện hoa .9 5.3 Tạo File Colab Notebook Google Drive: 10 5.4 Phần viết Code: 10 VI 5.4.1 Bước 1: Khai báo thư viện cần sử dụng 10 5.4.2 Bước 2: Kết nối vs Google Drive để đọc lưu giữ liệu 10 5.4.3 Bước 3: Khai báo thư mục đường dẫn ảnh liệu .11 5.4.4 Bước 4: Gán nhãn liệu 11 5.4.5 Bước 5: Tiền xử lý liệu ảnh với ImageDataGenerator .11 5.4.6 Bước 6: Đọc liệu Train Validation .12 5.4.7 Bước 7: Xây dựng mơ hình 12 5.4.8 Bước 8: Thiết lập tham số dùng để huấn luyện mơ hình 13 5.4.9 Bước 9: Huấn luyện mơ hình 13 5.4.10 Bước 10: Sử dụng mơ hình 13 KẾT LUẬN 15 LỜI MỞ ĐẦU Với bùng nổ cách mạng cơng nghiệp lần thứ 4, giới có bước chuyển tiên tiến, khoa học, phù hợp đáp ứng nhu cầu phát triển đời sống, xã hội Công nghiệp 4.0 xu hướng thời việc tự động hóa trao đổi liệu cơng nghệ sản xuất Cách mạng công nghiệp 4.0 diễn lĩnh vực chính: cơng nghệ sinh học; kỹ thuật số vật lý, yếu tố cốt lõi kỹ thuật số hay xem khung cách mạng công nghiệp 4.0 gọi tên trí tuệ nhân tạo (AI), Internet of things (IoT) Big Data Trong đó, đặc biệt quan tâm đến Trí tuệ nhân tạo (AI) Hiện nay, AI xem “một vũ khí cạnh tranh” vơ tiềm áp dụng sử dụng rộng rãi Trong tương lai, chắn AI mang lại nhiều hội nữa, phục vụ giải vấn đề khó khăn sống Thế nhưng, trước sử dụng rộng rãi, nhiều người chưa hiểu rõ trí tuệ nhân tạo nghe qua tìm hiểu chưa tiếp cận Về chất, trí tuệ nhân tạo mơ trí thơng minh người việc xử lý vấn đề việc hiểu đặc điểm, hội, thách thức hạn chế sử dụng AI cần thiết người Vì vậy, để đưa nhín tổng quan dễ hiểu khái niệm này, nhóm chúng em định thực đề tài với chủ đề nhận diện hình ảnh (Computer Vision) - ứng dụng phổ biến hiệu AI Chúng em hy vọng nghiên cứu mang đến cho người phần hình dung, hiểu rõ trí tuệ nhân tạo nói riêng cách mạng cơng nghiệp 4.0 nói chung Cũng việc thực hành nhận lợi ích, cải thiện chất lượng công việc mà ứng dụng Computer Vision mang lại sống Tuy nhiên, q trình nghiên cứu khơng tránh khỏi sai sót, nhóm 13 chúng em mong nhận góp ý NỘI DUNG I Giới thiệu chung: AI - Artificial Intelligence hay gọi Trí tuệ nhân tạo ngành khoa học, kỹ thuật chế tạo máy móc thơng minh, đặc biệt chương trình máy tính thơng minh AI thực cách nghiên cứu cách suy nghĩ người, cách người học hỏi, định làm việc giải vấn đề đó, sử dụng kết nghiên cứu tảng để phát triển phần mềm hệ thống thơng minh, từ áp dụng vào mục đích khác sống Những thơng tin phía giúp thấy AI cơng cụ tiềm năng, giải vấn đề khó khăn mà người gặp phải sống Nó sử dụng nhiều lĩnh vực đặc biệt lĩnh vực kinh tế, góp phần thúc đẩy phát triển xã hội Trong năm gần đây, AI đưa vào sử dụng nhiều hoạt động kinh doanh, sản xuất doanh nghiệp nhằm phục vụ tốt lợi ích nhu cầu khách hàng mà cịn cải thiện uy tín, lịng tin người dùng cho doanh nghiệp mang đến Cụ thể hơn, chúng em đưa tới giải pháp giúp quản lý hệ thống cửa hàng nhãn hiệu tiếng hoa xuất nhập Klever Fruit Một số thông tin nhãn hàng Klever Fruit: Khởi điểm nhãn hàng Klever Fruit từ tháng 8/2009 cửa hàng đời nhằm mang tới cho khách hàng sản phẩm trái thông dụng như: Táo, Cam, Nho… Nhưng theo thời gian, nhờ không ngừng nỗ lực cải thiện chất lượng dịch vụ, mở rộng sản phẩm thiếu ủng hộ khách hàng Klever Fruit vui mừng khai trương cửa hàng thứ hai - Klever Fruit 32A Nguyễn Chí Thanh vào tháng 12/2010 Đây dấu ấn đánh dấu bước ngoặt cho vươn lên mạnh mẽ hệ thống Lần hệ thống tủ bảo quản công nghiệp chuyên dụng trang bị vào cửa hàng giúp đảm bảo chất lượng trái theo tiêu chuẩn quốc tế Từ góp phần khẳng định uy tín thương hiệu Klever Fruit với sản phẩm trái giữ vẻ tươi nguyên chất lượng từ nơi xuất Document continues below Discover more Học viện ngân from: hàng Học viện Ngân hàng 799 documents Go to course Tài liệu môn vi mô 42 Tài liệu môn vi mô Học viện ngân… 100% (22) Đề cương ôn tập 33 NHTM học sinh tự… Học viện ngân hàng 97% (65) Describe A Famous Person Học viện ngân… 100% (13) [123doc] - cau-hoi9 21 nhan-dinh-dung-… Học viện ngân… 100% (13) FILE 20210525 183919 Bài-tiểu-… Học viện ngân… 100% (13) Tài Chính Tiền tệ 79 Học viện ngân hàng 92% (39) Những vấn đề tồn Klever Fruit: Tác động khách quan yếu tố thị trường rào cản lớn không Klever Fruit mà tất thương hiệu ngành thực phẩm nói chung hoa nói riêng tham gia thị trường Sự cạnh tranh đến từ thương hiệu lớn, có chỗ đứng định ưa thích nhiều hay thương hiệu vừa mắt tạo tò mò, muốn thử trải nghiệm khách hàng ảnh hưởng lớn đến phát triển thương hiệu Klever Đồng thời, yếu tố chủ quan cịn nhiều như: đơi lúc có loại cịn thiếu khiến cho nhu cầu sử dụng người dùng bị ảnh hưởng dẫn đến ảnh hưởng tới nhãn hiệu Klever Fruit II Sơ lược toán: Dựa hạn chế, thiếu sót cịn tồn Klever Fruit, chúng em dự định đưa AI vào áp dụng thực huấn luyện mơ hình “Ứng dụng Computer Vision để nhận diện quản lý cửa hàng Klever Fruit” Mô hình để quản lý kho hàng sở tổng hợp lại số liệu kho hàng sở Bài tốn: Xây dựng mơ hình học máy phương pháp CNN có khả nhận diện loại hoa khác từ ảnh chụp đại diện 10 loại quả: Bơ, cam, dâu, dứa, cherry, đào, nho, táo, xoài, roi để báo cáo lại số liệu nhằm mục đích kho hàng loại Cách hoạt động toán: Tổng số ảnh cho loại 200 ảnh, tổng số ảnh cảu liệu 2000 Trong tổng số ảnh tệp Train 1400 ảnh, loại 140 ảnh; tệp Validation 400 ảnh, loại 40 ảnh tệp Test 200 ảnh, loại 20 ảnh III Chuẩn bị liệu: Dữ liệu hình ảnh: Nhóm sử dụng liệu để nghiên cứu thu thập đa dạng từ nguồn phương tiện google, trang web hay mạng xã hội Instagram, Facebook… Các hình ảnh lựachọn phong phú nội dung, góc độ, biểu cảm… chất lượng hình ảnh cao để đảm bảo mang tới kết xác, khách quan cho mơ hình nhóm Các kiểu liệu hình ảnh cần thu thập: Các hình ảnh đảm bảo chất lượng, đa dạng trường hợp Được phân chia thành mục có điểm chung thuộc tính riêng để dễ dàng qúa trình thu thập liệu sử dụng hình ảnh: Các loại hoa khác Về màu sắc loại hoa Số lượng hình ảnh cụ thể: Đảm bảo ảnh có cân xứng số lượng có đủ loại hoa Trong loại hoa có số lượng bắng Kiểu lọc để ảnh không bị lặp lại nhiều lần ảnh loại xuất nhiều giảm tính xác mơ hình Cách thức tổ chức liệu máy tính: Sau thu thập đủ số lượng ảnh, phân chia ảnh thành thư mục: Train; Validation; Test Công việc đảm bảo số lượng tệp không bị trùng lặp IV Train: Gồm 1400 ảnh loại 140 ảnh Validation: Gồm 400 ảnh, loại 40 ảnh Test: Gồm 200 ảnh loại 20 ảnh Giới thiệu tổng quan thuật toán CNN: CNN (Convolutional Neural Network) (CNNs –Mạng nơ-ron tích chập) mơ hình Deep Learning tiên tiến Nó giúp cho xây dựng hệ thống thông minh với độ xác cao CNNđược sử dụng nhiều toán nhận dạng objecttrong ảnh IV.1 Cấu trúc mạng: CNN gồm tập hợp lớp Đó là: Lớp tích chập (Convolutional): Đây lớp quan trọng CNN, lớp có nhiệm vụ thực tính tốn Lớp kích hoạt phi tuyến (Relu Layer): Đây hàm kích hoạt Neutral Network, nhiệm vụ hàm kích hoạt mơ lại Neutron có tỷ lệ truyền xung qua Axon Lớp lấy mẫu (Pooling): Khi đầu vào lớn, lớp Pooling dịch chuyện vào lớp Convolutional nhằm giảm Parameter Lớp kết nối đầy đủ: (Fully Connected): Thường sử dụng để đưa kết IV.2 Đặc trưng mạng CNN: Mạng CNN so sánh dựa vào mảnh mảnh vâ y…được gọi feature Thay phải tiến hành khớp ảnh lại với mạng CNN xác định tương đồng thơng qua tìm kiếm thơ đăc… trưng khớp với hai hình ảnh tốt Mơ t… feature mơ … hình ảnh dạng mini (những mảng chiều nhỏ) Những feature tương ứng với mơ t… khía cạnh hình ảnh chúng khớp lại với IV.3 Tích chập mạng CNN Convolutional (hay cịn gọi tích chập) sử dụng để học đặc trưng cục từ ảnh đầu vào Khi quan sát hình ảnh mới, thuật tốn CNN khơng thể nhận biết vị trí Feature khớp với đâu Do đó, Convolutional thử chúng vào tất vịtrí khác Quá trình tạo lọc gọi Filter Nó thực thơng qua phần tốn nơ ron tích chập V Xây dựng mơ hình nhận diện ảnh sử dụng mạng Nơ-Ron học sâu CNN Google Colab: V.1 Tạo thư mục dự án Đăng nhập Gmail, truy cập vào Google Drive Kích chọn Drive tôi/chọn Thư mục Đặt tên cho thư mực Nhận diện hoa quả/ chọn Tạo V.2 Upload Tập liệu ảnh: Kích đúp chuột mở thư mục Nhận diện hoa Kích chuột phải vùng trống thư mục, chọn Tải thư mục lên Chọn đường dẫn tới thư mục Data tạo Chuẩn bị liệu, chọn thư mục Data, kích chọn Tải lên Kết tất thư mục ảnh chứa thư mục Data tải lên Drive, thư mục Nhận diện hoa V.3 Tạo File Colab Notebook Google Drive: Kích chọn My Drive/chọn More/ chọn Colaboratory Đặt tên cho tệp colab Nhận diện hoa ipynb V.4 Phần viết Code: V.4.1 Bước 1: Khai báo thư viện cần sử dụng Các thư viện mà nhóm sử dụng mơ hình Tensorflow, Numpy Matplotlib: +Tensorflow thư viện có mã nguồn mở dùng để tính tốn machinery với quy mơ lớn, có khả tương thích mở rộng tốt, + Numpy thư viện toán học phổ biến python hỗ trợ cho việc tính tốn mảng ma trận đa chiều có kích thước lớn với hàm tối ưu Áp dụng lên mảng ma trận đa chiều mục đích xử lý liệu cách nhanh chóng +Matplotlib số thư viện python phổ biến sử dụng trực quan hóa liệu Hình ảnh minh họa V.4.2 Bước 2: Kết nối vs Google Drive để đọc lưu giữ liệu Sau thực đoạn code đường link -> kick vào đường link -> chọn tk gmail đăng nhập Gg colab truy cập vào drive -> cho phép ứng dụng truy cập vào liệu Drive Khi Google Colab Mounted at/content/drive Khi Colab đọc tồn liệu drive Hình ảnh minh họa V.4.3 Bước 3: Khai báo thư mục đường dẫn ảnh liệu Bước dùng để huấn luyện kiểm định mơ hình Hình ảnh minh họa V.4.4 Bước 4: Gán nhãn liệu Nhận diện phân loại ảnh tốn học có giám sát Do giữ liệu huấn luyện kiểm định phải gán nhãn, tên Tên thứ tự nhãn nhóm để tương ứng tên thứ tự thư mục chứa ảnh GG Drive, dùng để huấn luyện kiểm định mơ hình Hình ảnh minh họa V.4.5 Bước 5: Tiền xử lý liệu ảnh với ImageDataGenerator Nhóm dùng hàm để chuyển từ file ảnh JBJ thành liệu tensorf cho keras Hàm cho phép xem mẫu ngẫu nhiên cách làm biến dạng, gây nhiễu mẫu ảnh gốc Trong tham số rescale = 1/255, có tác dụng chuẩn hóa liệu ảnh, giúp q trình huấn luyện mơ hình nhanh Hình ảnh minh họa V.4.6 Bước 6: Đọc liệu Train Validation Ở bước cần phải khai báo target size Kích thước ảnh huấn luyện nhóm biến đổi thành kích thước 200 Khi chạy thử thành cơng colab kết Hình ảnh minh họa V.4.7 Bước 7: Xây dựng mơ hình Nhóm bước vào xây dựng mơ hình Mơ hình gồm lớp CNN Tầng CN1 gồm 32 lọc với kích thước 3x3 Tầng CN1 kết nối với đầu vào nên phải mô tả thông tin đầu vào Tầng CN2 gồm 64 lọc, kích thước 3x3 Tầng CN3 gồm 128 lọc, kích thước 3x3 Conv2D phương thức tạo phức hợp tham số tham số lọc, tham số thứ kích thước lọc MaxPooling2D dùng để giảm kích thước liệu giữ thuộc tính quan trọng Đoạn code dùng hàm quan trọng Relu để chuyển giá trị âm giá trị giữ nguyên giá trị dương hàm Flatten chuyển hình ảnh từ dạng ma trận mảng 1D test lớp ẩn chứa nơ ron kết nối tồn nơ ron tầng phía trước V.4.8 Bước 8: Thiết lập tham số dùng để huấn luyện mơ hình Mơ hình sử dụng hàm Compile để chọn tham số Nhóm chúng em sử dụng thơng số Optimizer Adam Bởi kết hợp thông số với thông số Ebox Masai cho kết với độ xác cao Ngồi đoạn code sử dụng hàm hàm Loss nhằm tính tốn sai số giá trị học giá trị thực tế, hay Metrics nhằm đánh giá độ xác Accuracy mơ hình V.4.9 Bước 9: Huấn luyện mơ hình Nhóm thử nhiều tham số Steps, Epoch, Validation Steps Tham số Epoch số vòng lặp chạy mơ hình Ở nhóm sử dụng 150 vòng lặp cho chạy thử Sau chạy xong thấy ảnh tập Validation cho độ xác 0,7188 máy nhận diện với độ xác Accuracy 0,9062 V.4.10.Bước 10: Sử dụng mơ hình Đầu tiên cần import file từ Google Colab “From keras.preprocessing import image “ sau phân lớp đầu net số thứ tự lớp 123 nên ta cần decor kết tùy thuộc vào liệu sử dụng thư viện tiền xử lý đầu vào file.Sau bước upload file, tải file từ tệp Test lên Đoạn code: “path= ‘/content/’+fn “ load ảnh lên xử lý trước đưa vào phân lớp Cuối in ảnh đọc , đặt kích thước ảnh 200 200 Đoạn code: “x=imafe.img_to_array(img)” “x=np.expand_dims(x,axis=0)” tìm xử lý ảnh in giá trị -> Chọn ảnh tệp test chạy thử, chọn ảnh Cam10.jpg Và ta thấy kết bot nhận diện hình ảnh cam Hình ảnh minh họa 10 VI KẾT LUẬN 11 VII TÀI LIỆU THAM KHẢO: 12 13 14 More from: Học viện ngân hàng Học viện Ngân hàng 799 documents Go to course Tài liệu môn vi mô - Tài liệu 42 môn vi mô Học viện ngân hàng 100% (22) Đề cương ôn tập NHTM 33 học sinh tự tổng hợp Học viện ngân hàng 97% (65) Describe A Famous Person Học viện ngân hàng 100% (13) [123doc] - cau-hoi-nhan9 dinh-dung-sai-luat-ngan… Học viện ngân hàng 100% (13) Recommended for you English for Academic and 53 Professional Purposes realers 100% (33) Entrepreneurship the 1408 Practice and Mindset 2n… Entrepreneurship 100% (11) Arma - wehfiweofhowehf 10 English 100% (6) Math Q3 - quarter 59 Management of Education 100% (6)