Mình xây hệ thống thị giác máy tính chạy được ngoài đời thật.

Kết quả trên tập kiểm thử 133 ảnh (26 lỗi, 107 tốt). README ghi các số độ trễ là kết quả lịch sử.

Recall

24/26 (92,3%)

133 ảnh kiểm thử: 26 lỗi, 107 tốt

Báo nhầm

3/107 (2,8%)

cùng tập kiểm thử

Độ trễ P50

43 ms

RTX A4000, FP16, batch 15, 3.990 frame liên tục; P95 là 44 ms

Trên CPU

≈ 683 ms

OpenVINO FP32, 2 × Xeon Gold 6138

Lỗi quá hiếm và đa dạng để gom ảnh huấn luyện, trong khi dây chuyền cần quyết định cho mỗi ảnh trong khoảng 50 ms.

• PatchCore với MobileNetV3-Large (FP16), memory bank xây từ chỉ 10 ảnh đạt chuẩn.
• Mỗi ảnh 1024 × 1792 được cắt tile, chấm điểm, ghép thành một bản đồ bất thường và so ngưỡng hiệu chuẩn trên 50 ảnh đạt chuẩn khác.

1. 1.Camera line-scan kích hoạt theo encoder chỉ xuất ảnh khi bàn quay. Không có frame lúc motor đứng yên là hành vi đúng, không phải lỗi mạng.
2. 2.Cáp camera cắm qua cổng PLC chỉ chạy 100 Mbps. Ở khoảng 64 Mbit/s thì ổn; tăng tốc độ bàn lên gần 98 Mbit/s là bắt đầu mất frame.

Ba chế độ xử lý; phân đoạn hồ sơ gộp có bước người xác nhận ranh giới; vẽ crop thủ công làm bằng chứng; nhật ký kiểm toán.

Theo dõi job, chi phí OCR và System Monitor; giao diện VI/EN. Tối đa 15 PDF mỗi job, tổng 200 MiB.

Trang đã xử lý

237

66 PDF trong 6 job, lần chạy thử nội bộ 07/2026

Trang lỗi

0

cùng lần chạy, sau khi tự thử lại

Lượt gọi OCR

137/137

đều thành công, ghi đủ usage

Trường có bằng chứng

544/660

trường trích xuất có bbox và ảnh crop làm bằng chứng (82%)

Trạng thái: Hoàn tất hai milestone, đang thử nghiệm nội bộ, chưa phải bản phê duyệt cho khách hàng. Chưa đo độ chính xác từng trường so với ground truth.

Tài liệu có nhiều bố cục khác nhau, và khi OCR sai thì người sửa phải để lại dấu vết truy được.

• Giao diện Next.js; FastAPI nhận job; Celery và Redis chạy hàng đợi; Nginx đứng trước; tất cả chạy trong Docker Compose.
• Endpoint OCR tương thích OpenAI do máy chủ cấu hình; khóa và URL không bao giờ xuống trình duyệt. Có hộp xác nhận khi endpoint nằm ngoài hệ thống.

Ba ứng dụng dòng lệnh: đo khoảng cách và chiều cao, đo độ sâu realtime, đo tốc độ theo làn.

Hai repo thử nghiệm riêng (Distance_calculation, Velocity_detection) được tái cấu trúc thành một package có test.

Hình học

49 FPS

MAPE khoảng cách 13,34%; homography + YOLO; Intel Core i7, GTX 1650 Ti

Deep learning

> 230 FPS

tốc độ hiển thị, MAPE 15,07%; Depth Anything V2 chạy ở worker riêng; cùng máy

Muốn ra mét từ ảnh 2D thì phải biết một pixel ứng với bao nhiêu mét, và con số đó thay đổi theo khoảng cách tới camera.

• Homography từ mặt phẳng đường sang ảnh; hiệu chuẩn camera bằng bàn cờ; giữ ổn định hiệu chuẩn bằng optical flow.
• Phát hiện bằng YOLO, ước lượng độ sâu bằng Depth Anything; hai bên chạy ở worker độc lập để không chặn nhau. Chọn mục tiêu bằng cú nhấp chuột và theo dõi bằng KCF.

Cùng một mã nguồn chạy ở web realtime, RTSP và CLI batch.

Các model PyTorch được xuất sang ONNX để chạy bằng ONNX Runtime; riêng găng tay chạy TFLite trên CPU.

Trạng thái: Chưa đánh giá định lượng: chưa đo FPS hay độ chính xác từng tầng trên phần cứng cố định.

Mũ và áo thấy được trên toàn khung hình, nhưng khẩu trang và găng tay cần ảnh cắt vùng mặt, vùng tay; chạy mọi model trên cả khung hình thì vừa chậm vừa nhiễu.

• Sáu tầng: phát hiện và theo dõi người → PPE (mũ, áo) → tách vùng (đầu-mặt, tay, thân) → khẩu trang → găng tay → hành vi.
• Mỗi người được cắt thành các vùng rồi mới đưa vào model phân loại tương ứng. Kết quả khẩu trang và găng tay lưu theo track_id và làm mới theo chu kỳ để giảm tải.