CAKEBOT: HỆ THỐNG NHẬN DIỆN BÁNH THEO THỜI GIAN THỰC VÀ TƯƠNG TÁC BẰNG GIỌNG NÓI SỬ DỤNG RAG VÀ PHÂN LOẠI HÌNH ẢNH

Abstract

Trong bối cảnh hiện nay, sự phát triển của trí tuệ nhân tạo đã mở ra nhiều cơ hội mới trong các lĩnh vực đời sống, đặc biệt là nhận diện hình ảnh và tương tác thông minh. Với sự tiến bộ của công nghệ học sâu và nhu cầu ngày càng tăng từ người dùng về các giải pháp thông minh, hệ thống CakeBot đã được phát triển nhằm đáp ứng việc tư vấn các loại bánh một cách hiệu quả. Đề tài này tập trung vào việc xây dựng một hệ thống tích hợp các công nghệ tiên tiến, như YOLO (nhận diện hình), phân loại câu hỏi và mô hình RAG cho truy xuất dữ liệu, nhầm mang lại trải nghiệm tối ưu cho người dùng. Mục tiêu chính là cung cấp thông tin về bánh, bao gồm giá cả, thành phần, và phân loại câu hỏi từ người dùng một cách nhanh chóng, đồng thời đảm bảo tính chính xác cao. Hệ thống được thiết kế với sáu chức năng chính, bao gồm: nhận diện hình ảnh, phân loại câu hỏi, truy xuất dữ liệu, tương tác giọng nói, giao diện thân thiện, và kích hoạt bằng giọng nói trong môi trường nhiễu. Ngoài ra, CakeBot cũng hướng tới mở rộng các tính năng như xử lý nhiều câu hỏi, cải thiện tốc độ phản hồi.