Trong những năm gần đây, xử lý ảnh và nhận dạng đối tượng là một lĩnh vực đang phát triển nhanh chóng và có nhiều ứng dụng thực tiễn trong đời sống khoa học xã hội. Bài báo đề xuất thử nghiệm mô hình thiết bị phát hiện và nhận dạng hành lý, sử dụng KIT Raspberry Pi để thực hiện giám sát hành lý, hàng hóa trên băng chuyền tại các khu vực như sân bay hoặc tại các khu công nghiệp, kho vận. DOI: http://doi.org/10.64588/jc.33.05.2026
TÁC GIẢ:
THS Võ Quang Sơn*, TS Trần Quốc Thịnh, THS.NCS Vũ Ngọc Quý
Trường Đại học Giao thông vận tải
*Email: quangsonktdt@utc.edu.vn
THÔNG TIN BÀI BÁO
Chuyên mục: Khoa học công nghệ
Ngày nhận bài: 22/4/2026
Ngày sửa bài: 29/4/2026
Ngày chấp nhận đăng: 11/5/2026
Ngày xuất bản Online: 21/5/2026
Tác giả liên hệ: Email: quangsonktdt@utc.edu.vn
TÓM TẮT
Trong những năm gần đây, xử lý ảnh và nhận dạng đối tượng là một lĩnh vực đang phát triển nhanh chóng và có nhiều ứng dụng thực tiễn trong đời sống khoa học xã hội. Mặt khác, sự phổ biến và hiệu quả của KIT Raspberry Pi - một máy tính nhúng nhỏ gọn, chạy hệ điều hành mở, trang bị bộ xử lý mạnh mẽ - cho phép triển khai các bài toán xử lý ảnh một cách linh hoạt.
Bài báo đề xuất thử nghiệm mô hình thiết bị phát hiện và nhận dạng hành lý, sử dụng KIT Raspberry Pi để thực hiện giám sát hành lý, hàng hóa trên băng chuyền tại các khu vực như sân bay hoặc tại các khu công nghiệp, kho vận.
Từ khóa: Raspberry Pi; nhận dạng hành lý; tính toán biên.
TÀI LIỆU THAM KHẢO
[1] H. D. Patil, N. F. Ansari. Intrusion Detection and Repellent System for Wild Animals Using Artificial Intelligence of Things. International Conference on Computing, Communication and Power Technology (IC3P), Visakhapatnam, India, pp. 291-296, 2022, doi: 10.1109/IC3P52835.2022.00068.
[2] W. Shi, J. Cao, Q. Zhang, Y. Li and L. Xu. Edge computing: Vision and challenges. IEEE Internet of Things Journal, vol. 3, no. 5, pp. 637-646, 2016, doi.org/10.1109/JIOT.2016.2579198.
[3] Julien Marot, Salah Bourennane. Raspberry Pi for image processing education. 25th European Signal Processing Conference (EUSIPCO), IEEE Publishing, pp. 2428-2432, 2017.
[4] H. H. Nguyen, T. N. Ta, N. C. Nguyen, V. T. Bui, H. M. Pham and D. M. Nguyen. YOLO Based Real-Time Human Detection for Smart Video Surveillance at the Edge. IEEE Eighth International Conference on Communications and Electronics (ICCE), pp. 439-444, 2021, doi.org/10.1109/ICCE48956.2021.9352144.
[5] Vrsalovic I, Lerga J, Ivasic-Kos M. A System for Real-Time Detection of Abandoned Luggage. Sensors, vol. 25, no.9, 2025, doi: 10.3390/s25092872.
[6] S. S. Kulkarni, A. D. Harale and A. V. Thakur. Image processing for driver's safety and vehicle control using raspberry Pi and webcam. IEEE International Conference on Power, Control, Signals and Instrumentation Engineering (ICPCSI), Chennai, pp. 1288-1291, 2017, doi: 10.1109/ICPCSI.2017.8391917.
[7] Mfundo Zuma, Pius A. Owolawi, Vusi Malele, Kehinde Odeyemi, Gbolahan Aiyetoro and Joseph S. Ojo. Intrusion Detection System using Raspberry Pi and Telegram Integration. In Proceedings of the International Conference on Artificial Intelligence and its Applications (icARTi '21), 2021, https://doi.org/10.1145/3487923.3487928.
[8] http://raspberrypi.com/products/raspberry-pi-4-model-b/specifications/ (accessed: 01/2026).
[9] R. Girshick, J. Donahue, T. Darrell and J. Malik. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. IEEE Conference on Computer Vision and Pattern Recognition, Columbus, 2014, pp. 580-587, https://doi.org/10.1109/CVPR.2014.81.
[10] J. Redmon, S. Divvala, R. Girshick and A. Farhadi. You Only Look Once: Unified, Real-Time Object Detection, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, 2016, pp. 779-788, https://doi.org/10.1109/CVPR.2016.91.
[11] https://yolov8.org/yolov8-architecture/ (accessed: 01/2026).
[12] https://pypi.org/project/pyzbar/ (accessed: 02/2026).
[13] Luo, Y., Ci, Y., Jiang, S. et al.. A novel lightweight real-time traffic sign detection method based on an embedded device and YOLOv8. J Real-Time Image Proc 21, 24, 2024, https://doi.org/10.1007/s11554-023-01403-7.
[14] L. Shen, B. Lang and Z. Song. Infrared Object Detection Method Based on DBD-YOLOv8. in IEEE Access, vol. 11, pp. 145853-145868, 2023, doi: 10.1109/ACCESS.2023.3345889.
Xem bài báo tại đây
