Dùng camera AI đếm kho thay người: Bài học thực chiến

13/11/2026

Bối cảnh: Kho hàng không chờ đợi

Cuộc kiểm kho định kỳ luôn là cơn ác mộng với kế toán vật tư và thủ kho.

Chúng tôi từng làm việc với một nhà máy sản xuất linh kiện điện tử tại Bình Dương. Vấn đề không phải là thiếu hàng, mà là thiếu thông tin cập nhật. Hệ thống ERP báo còn 500 pallet, nhưng thực tế trên sàn chỉ còn 420. Mất đi 80 pallet trong vòng hai tuần mà không ai giải thích được lý do. Nhân viên thủ kho phải dành cả ngày cuối tuần để đối chiếu tay, dẫn đến kiệt sức và sai sót tiếp diễn.

Đây là lúc chúng tôi đề xuất áp dụng computer vision. Không phải để thay thế con người, mà để con người không phải làm những việc máy móc có thể làm nhanh hơn 100 lần. Mục tiêu cụ thể: dùng camera AI sẵn có tại các lối ra vào kho để giám sát luồng hàng hóa theo thời gian thực. Không cần thay thế toàn bộ hệ thống CCTV, chỉ cần thêm lớp xử lý AI lên dữ liệu video có sẵn.

Vì sao giám sát thủ công thất bại liên tục

Nhiều doanh nghiệp nghĩ rằng chỉ cần thêm người là giải quyết được. Nhưng thực tế cho thấy điều ngược lại.

• Con số không khớp: Khoảng 15% sai lệch giữa sổ sách và thực tế là con số phổ biến trong các kho tự động hóa thấp. Mỗi lần kiểm đếm thủ công mất từ 4 đến 6 giờ cho một khu vực kho vừa phải.
• Trễ thông tin: Dữ liệu chỉ cập nhật khi có hành động nhập/xuất. Nếu hàng bị lấy cắp hoặc thất lạc trong quá trình di chuyển nội bộ, hệ thống không nhận ra cho đến lần kiểm kê kế tiếp.
• Chi phí ẩn: Ngoài lương nhân viên, còn là chi phí chậm trễ sản xuất do thiếu nguyên liệu đột xuất. Trong ngành điện tử, một ngày chậm có thể gây tổn thất hàng tỷ đồng vì đơn hàng bị hủy.

Vấn đề cốt lõi nằm ở tính liên tục. Kiểm đếm thủ công là gián đoạn. Camera AI là liên tục. Đó là khác biệt nền tảng.

Triển khai camera AI: Những gì chúng tôi đã làm

Chúng tôi chọn giải pháp tích hợp với hệ thống camera IP hiện có. Không yêu cầu đầu tư mới về phần cứng camera, chỉ cần đảm bảo độ phân giải tối thiểu 1080p và góc nhìn bao quát lối đi.

Tầng 1: Xác định vùng quan tâm (ROI).

Chúng tôi vẽ khung quanh các khu vực pallet hóa và lối ra vào. AI sẽ tập trung xử lý vào những vùng này, bỏ qua các vùng chết để tiết kiệm tài nguyên GPU.

Tầng 2: Nhạy cảm với chuyển động và nhận diện mã vạch.

Thay vì cố gắng nhận diện từng sản phẩm bên trong pallet (điều này rất khó và đắt đỏ), chúng tôi tập trung vào việc đếm số lượng pallet qua lại và đọc mã vạch trên nhãn bên ngoài pallet. Đây là điểm đánh đổi hợp lý. Bạn không cần biết chính xác loại linh kiện bên trong pallet số 12 nếu bạn chỉ cần biết pallet 12 đã ra khỏi kho lúc 14:30.

Tầng 3: Tích hợp cảnh báo tức thời.

Khi một pallet đi qua lối ra vào mà không có phiếu xuất kho tương ứng trong hệ thống, AIV Camera sẽ gửi cảnh báo qua Telegram cho trưởng ca và kế toán trong vòng dưới 1 giây. Đây là tính năng quan trọng nhất. Nó biến sự cố từ một vấn đề cuối ngày thành một vấn đề cần xử lý ngay lập tức.

Trong quá trình chạy thử nghiệm tại dự án này, chúng tôi gặp lỗi về ánh sáng vào giờ chiều khi nắng chiếu xiên vào kho. Độ chính xác nhận diện mã vạch giảm xuống khoảng 92%. Chúng tôi phải điều chỉnh góc camera và thêm bộ lọc làm mờ ánh sáng chói. Bài học: môi trường vật lý luôn quan trọng hơn thuật toán.

Đo lường hiệu quả và những giới hạn cần chấp nhận

Sau 3 tháng vận hành ổn định, chúng tôi đo được các chỉ số sau:

• Thời gian phát hiện sai lệch: Giảm từ trung bình 14 ngày (kiểm kê hàng tháng) xuống còn dưới 5 phút.
• Sai lệch tồn kho: Thu hẹp từ 15% xuống còn dưới 2%. Con số này chưa đạt 0%, nhưng đủ để loại bỏ phần lớn rủi ro lớn.
• Chi phí nhân sự kiểm kho: Giảm khoảng 60% khối lượng công việc đối chiếu hàng ngày.

Nhưng có những giới hạn mà chúng tôi không che giấu.

Camera AI không phải là thần thánh. Nó không thể phát hiện nếu hàng hóa được lấy đi một cách từ tốn, không di chuyển qua lối ra vào được giám sát, hoặc nếu pallet bị mở ra và lấy đi một vài sản phẩm mà không thay đổi vị trí tổng thể. Đối với các sản phẩm giá trị cao, vẫn cần kết hợp với hệ thống RFID hoặc kiểm kê mẫu ngẫu nhiên.

Thêm vào đó, việc duy trì hệ thống đòi hỏi sự chăm chút. Lens camera bẩn, góc camera bị lệch do va chạm, hoặc ánh sáng thay đổi đều ảnh hưởng đến độ chính xác. Chúng tôi đã lập lịch vệ sinh lens hàng tuần. Đây là chi phí vận hành thực tế, không phải chi phí ảo.

Chúng tôi tin rằng camera AI là một công cụ giám sát mạnh mẽ, nhưng nó chỉ hiệu quả khi được đặt trong một quy trình làm việc rõ ràng. Nó không thay thế con người, nó giải phóng con người khỏi những công việc lặp đi lặp lại và mệt mỏi.

Hành động nhỏ bạn có thể làm ngay trong tuần này: Chọn một lối ra vào kho có lưu lượng hàng hóa cao nhất, kiểm tra xem camera IP tại đó có đủ độ phân giải và góc nhìn rõ ràng mã vạch pallet hay không. Nếu có, hãy lên kế hoạch thử nghiệm một mô-đun nhận diện cơ bản. Bạn sẽ thấy sự khác biệt ngay từ những cảnh báo đầu tiên về các pallet di chuyển bất thường.

AIVISION đồng hành cùng doanh nghiệp Việt Nam trong hành trình đưa AI vào vận hành thực tế. Xem thêm các giải pháp AI cho doanh nghiệp, đọc thêm bài viết khác hoặc liên hệ đội ngũ AIVISION để trao đổi theo đúng bài toán của bạn.