AI đếm bao hàng xuất kho là giải pháp dùng camera và mô hình thị giác máy tính để tự đếm từng bao khi bao đi qua vạch đếm trên băng tải hoặc cửa kho. Nói cách khác, AI thay người đứng bấm máy đếm. Tuy vậy, AI vẫn đếm sai nếu camera, ánh sáng và vạch đếm bố trí chưa đúng.
Đăng ngày 01/10/2026 · Cập nhật lần cuối (Last updated): 01/10/2026 · Tác giả: Đội ngũ Vận Hành Số, phát triển bởi SparkMinds J.S.C
Tóm tắt nhanh
5 lỗi đếm sai phổ biến: che khuất, đếm trùng, nhòe chuyển động, ngược sáng, vạch đếm đặt sai.
Đo độ chính xác bằng 2 chỉ số: Precision = TP ÷ (TP + FP) và Recall = TP ÷ (TP + FN).
Băng tải 0,5 m/s, phơi sáng 1/100 giây sẽ nhòe khoảng 5 pixel; phơi sáng 1/500 giây chỉ còn 1 pixel.
Mô hình YOLO gốc (2015) xử lý ảnh ở 45 khung hình/giây, đủ nhanh cho đếm thời gian thực.
Luôn kiểm đếm tay song song ít nhất 1.000 bao trước khi tin số của AI.
AI đếm bao hàng hoạt động như thế nào?
Hệ thống làm 3 việc liên tiếp: phát hiện bao trong từng khung hình (object detection), gán mã cho từng bao để theo dấu qua các khung hình (tracking), rồi cộng 1 khi bao đi qua vạch đếm. Nghĩa là AI không đếm "số bao trong ảnh", mà đếm "số lần một bao cắt qua vạch".
Theo tài liệu của Ultralytics, đơn vị phát triển dòng mô hình YOLO phổ biến hiện nay, bộ đếm theo dấu từng vật thể qua các khung hình và cộng số vào/ra khi vật thể cắt qua vạch hoặc vùng đếm. Tài liệu này cũng nêu ví dụ đếm kiện hàng trên băng tải.
"Our base YOLO model processes images in real-time at 45 frames per second."
— Joseph Redmon và cộng sự, You Only Look Once: Unified, Real-Time Object Detection, arXiv 2015 (trình bày tại CVPR 2016)
Nói cách khác, ngay từ phiên bản đầu, YOLO đã đủ nhanh để xử lý video trực tiếp. Phiên bản Fast YOLO trong cùng bài báo đạt 155 khung hình/giây.
5 lỗi nào khiến AI đếm bao sai?
Phần lớn lỗi đếm sai không nằm ở mô hình AI, mà ở hiện trường: cách xếp bao, tốc độ băng tải, ánh sáng và vị trí vạch đếm. Sơ đồ dưới đây đánh dấu 5 điểm thường gặp nhất trên một băng tải xuất kho.
Hình 1. Sơ đồ có chú thích (annotated diagram) 5 điểm gây đếm sai, do Vận Hành Số vẽ. Không theo tỷ lệ.
Lỗi 1: Bao chồng lấp, che khuất nhau
Khi hai bao nằm sát hoặc đè lên nhau, mô hình có thể chỉ thấy một vật thể. Kết quả là đếm thiếu, tức tăng FN (false negative). Cách khắc phục: dùng thanh gạt hoặc tăng tốc đoạn băng tải trước vạch đếm để giãn khoảng cách giữa các bao.
Lỗi 2: Bao dừng hoặc lùi qua vạch đếm
Băng tải dừng đột ngột, bao lắc qua lại trên vạch có thể bị cộng hai lần. Đây là FP (false positive). Phần mềm nên chỉ đếm theo một chiều, và mỗi mã theo dấu (track ID) chỉ được cộng một lần.
Lỗi 3: Nhòe chuyển động vì phơi sáng quá lâu
Độ nhòe tính bằng công thức: tốc độ × thời gian phơi sáng ÷ kích thước 1 pixel. Với băng tải 0,5 m/s và 1 pixel ứng với 1 mm, phơi sáng 1/100 giây làm bao trượt 5 mm, tức nhòe 5 pixel. Giảm xuống 1/500 giây chỉ còn 1 pixel, nhưng cần thêm đèn.
Hình 2. Biểu đồ tính toán độ nhòe theo thời gian phơi sáng, do Vận Hành Số tính từ công thức trên.
Lỗi 4: Ngược sáng từ cửa kho
Camera hướng ra cửa kho vào buổi chiều sẽ bị cháy sáng phía sau bao, làm viền bao mờ đi. Nên đặt camera nhìn từ trên xuống, quay lưng về phía cửa, và bổ sung đèn LED chiếu đều lên băng tải để ánh sáng ổn định cả ngày.
Lỗi 5: Vạch đếm đặt sai, người đi qua vùng đếm
Vạch đếm đặt ở chỗ bao hay dừng, hoặc vùng đếm trùm cả lối đi của công nhân, sẽ sinh số đếm thừa. Vạch nên đặt ở đoạn băng tải chạy đều, và mô hình chỉ đếm đúng lớp đối tượng "bao", bỏ qua người và xe nâng.
Đo độ chính xác của AI đếm bao như thế nào?
Không nên chỉ so tổng số. Hai lỗi đếm thừa và bỏ sót có thể triệt tiêu nhau, khiến tổng trông đúng dù AI sai nhiều. Cần đếm tay song song rồi tính Precision và Recall theo định nghĩa của Google Machine Learning Crash Course.
TP (true positive): bao có thật và AI đếm đúng.
FP (false positive): AI đếm nhưng không có bao, hoặc đếm trùng.
FN (false negative): bao có thật nhưng AI bỏ sót.
Hình 3. Ví dụ tính precision và recall với số liệu giả định.
Ý nghĩa của từng chỉ số khi đếm bao xuất kho
Chỉ số | Công thức | Thấp nghĩa là gì | Rủi ro cho kho |
|---|---|---|---|
Precision | TP ÷ (TP + FP) | Đếm thừa nhiều | Ghi xuất nhiều hơn thực tế, khách thiếu hàng |
Recall | TP ÷ (TP + FN) | Bỏ sót nhiều | Ghi xuất ít hơn thực tế, kho thất thoát |
Sai lệch tổng | |Đếm AI − Đếm tay| ÷ Đếm tay | Tổng lệch nhiều | Lệch tồn kho, khó đối soát |
Tình huống minh họa: kho phân bón xuất hàng bao 50 kg
Đây là kịch bản giả định để minh họa cách đánh giá, không phải khách hàng thật.
Vấn đề
Kho xuất bao qua băng tải lên xe. Công nhân bấm máy đếm cầm tay, cuối ca thường lệch vài bao so với phiếu xuất, dẫn tới tranh cãi với tài xế.
Giải pháp
Kho lắp AI Camera nhìn từ trên xuống, thêm đèn LED, đặt vạch đếm ở đoạn băng tải chạy đều. Số đếm được gắn với phiếu cân của xe trong phần mềm cân xe và đẩy sang phần mềm quản lý kho.
Kết quả cần đo
Precision và recall trên mẫu 1.000 bao đếm tay song song.
Số phiếu xuất phải sửa số lượng mỗi tuần, trước và sau.
Độ lệch giữa số bao × 50 kg và khối lượng hàng từ phiếu cân, xem thêm bài sai số cân xe cho phép.
Bài học
Đối chiếu chéo giữa số bao và khối lượng cân là lớp kiểm tra mạnh nhất. Nếu số bao đúng mà khối lượng lệch, lỗi nằm ở bao thiếu ký chứ không phải ở AI.
Đếm tay và AI đếm bao khác nhau ra sao?
Đếm tay rẻ lúc đầu nhưng phụ thuộc sự tập trung của công nhân, và không để lại bằng chứng. AI đếm cần đầu tư camera, đèn và hiệu chỉnh, đổi lại có video lưu từng lượt đếm và số liệu tự đổ vào hệ thống kho.
Đếm tay vs AI đếm bao xuất kho
Tiêu chí | Đếm tay (máy bấm cầm tay) | AI đếm qua camera |
|---|---|---|
Bằng chứng khi tranh chấp | Không có | Video và ảnh từng lượt đếm |
Độ ổn định cuối ca | Giảm khi công nhân mệt | Ổn định nếu ánh sáng ổn định |
Nhập số vào hệ thống | Ghi tay rồi nhập lại | Tự đổ vào phiếu xuất |
Chi phí ban đầu | Thấp | Camera, đèn, phần mềm, hiệu chỉnh |
Triển khai AI đếm bao theo mấy bước?
Nên triển khai theo 5 bước. Bước quan trọng nhất là chạy thử có đếm tay song song, vì chỉ số liệu thực tế tại kho mới cho biết precision và recall thật, không phải con số trên tài liệu.
Khảo sát: đo tốc độ băng tải, kích thước bao, hướng ánh sáng, vị trí lắp camera.
Lắp camera và đèn: camera nhìn từ trên xuống, chọn thời gian phơi sáng để nhòe dưới 1–2 pixel.
Gắn nhãn và tinh chỉnh: thu ảnh bao thực tế tại kho để tinh chỉnh mô hình cho đúng loại bao.
Chạy song song: đếm tay ít nhất 1.000 bao, tính precision, recall, sai lệch tổng.
Vận hành chính thức: nối số đếm với phiếu xuất và phiếu cân; theo dõi chỉ số hằng tuần.
Nếu kho đang số hóa cả khâu cân xe, xem thêm bài cân xe tự động không người trực để ghép hai hệ thống vào cùng một luồng.
AI đếm bao có nằm trong định hướng của Nhà nước không?
Có. Quyết định 127/QĐ-TTg ngày 26/01/2021 của Thủ tướng ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030. Ứng dụng AI vào sản xuất, logistics là một hướng được khuyến khích trong chiến lược này.
Phương pháp : chúng tôi xây dựng bài này thế nào?
Nguồn: bài báo khoa học gốc về YOLO (arXiv), tài liệu kỹ thuật Ultralytics, định nghĩa chỉ số của Google Machine Learning Crash Course, văn bản Chính phủ.
Tính toán: biểu đồ độ nhòe tính từ công thức vật lý cơ bản với giả định băng tải 0,5 m/s và 1 pixel = 1 mm.
Giả định: ví dụ 1.000 bao và kho phân bón là số liệu giả định để minh họa công thức.
Giới hạn: bài không so sánh các mô hình AI cụ thể và không đưa báo giá thiết bị.
Câu hỏi thường gặp
AI đếm bao có chính xác 100% không?
Không hệ thống nào đảm bảo 100% trong mọi điều kiện. Độ chính xác phụ thuộc cách xếp bao, ánh sáng và tốc độ băng tải. Cách đúng là đo precision và recall tại chính kho của bạn trên ít nhất 1.000 bao đếm tay song song, rồi mới quyết định dùng số AI làm căn cứ.
Có cần camera chuyên dụng không?
Không nhất thiết, nhưng camera phải chỉnh được thời gian phơi sáng (shutter) và có độ phân giải đủ để mỗi bao chiếm nhiều điểm ảnh. Camera giám sát thông thường để chế độ tự động thường phơi sáng lâu, gây nhòe khi băng tải chạy nhanh.
AI có đếm được bao xếp trên pallet không?
Khó hơn nhiều so với băng tải, vì các bao che khuất nhau và chỉ thấy được mặt ngoài. Với pallet, nên đếm từng lớp khi xếp, hoặc đếm khi bao đi qua băng tải trước khi lên pallet, thay vì chụp cả khối hàng.
Thời gian phơi sáng bao nhiêu là đủ?
Tính theo công thức tốc độ × thời gian phơi sáng ÷ kích thước 1 pixel, rồi chọn mức cho nhòe khoảng 1–2 pixel. Với băng tải 0,5 m/s và 1 pixel = 1 mm, mức 1/250 đến 1/500 giây là hợp lý. Phơi sáng ngắn cần thêm đèn.
Số bao AI đếm có dùng để đối soát với phiếu cân được không?
Được, và nên làm. Nhân số bao với khối lượng danh nghĩa mỗi bao rồi so với khối lượng hàng từ phiếu cân. Nếu hai con số lệch quá sai số cho phép của cân, cần kiểm tra lại bao thiếu ký hoặc lỗi đếm.
Video đếm bao lưu bao lâu là hợp lý?
Nên lưu ít nhất bằng thời hạn khiếu nại trong hợp đồng với khách hàng, ví dụ 30 hoặc 90 ngày. Nếu video quay cả công nhân và tài xế, cần tuân thủ Luật Bảo vệ dữ liệu cá nhân 2025: thông báo việc ghi hình và giới hạn người được xem.
Kết luận
AI đếm bao hàng xuất kho chỉ chính xác khi hiện trường được chuẩn bị đúng: bao giãn cách, phơi sáng ngắn, ánh sáng ổn định và vạch đếm đặt hợp lý. Đo bằng precision và recall thay vì chỉ nhìn tổng số. Nếu bạn muốn khảo sát khả năng lắp AI đếm bao tại kho, đăng ký tư vấn miễn phí với đội ngũ Vận Hành Số.
Nguồn tham khảo
Redmon, J., Divvala, S., Girshick, R., Farhadi, A. You Only Look Once: Unified, Real-Time Object Detection. arXiv:1506.02640 (2015).
Google for Developers. Classification: Accuracy, recall, precision, and related metrics. Machine Learning Crash Course.
Ultralytics. Object Counting using Ultralytics YOLO.
Thủ tướng Chính phủ. Quyết định 127/QĐ-TTg về Chiến lược quốc gia về trí tuệ nhân tạo đến năm 2030.
Trường Đại học Thủy Lợi. Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.
Bộ Công an. Luật Bảo vệ dữ liệu cá nhân có hiệu lực từ 01/01/2026.
Về tác giả
Đội ngũ Vận Hành Số xây dựng AI Camera, phần mềm cân xe và phần mềm quản lý kho cho doanh nghiệp Việt Nam. Vận Hành Số được phát triển bởi SparkMinds J.S.C, địa chỉ Tầng 3, Tòa nhà Mộc Gia, 24A Bàu Cát 2, Phường 14, Quận Tân Bình, TP. Hồ Chí Minh. Liên hệ: 0964179975 · info@sparkminds.net.
