Thanh bên bài viết

pdf
Số xuất bản: Số 86 (2026): Số 86 (04/2026)
Chuyên mục: CÔNG NGHỆ SỐ, TỰ ĐỘNG HÓA VÀ ỨNG DỤNG HÀNG HẢI
DOI: 10.65154/jmst.973
Ngày xuất bản: 30/04/2026
Lượt xem 0
Lượt tải xuống 0
Trích dẫn bài báo
Bùi, Q. M., Phạm, T. H., Nguyễn, T. T. P., Phạm, N. L., Lê , T. T. H., Phạm, V. T., & Đàm, V. T. (2026). PHÁT TRIỂN HỆ THỐNG ĐỊNH VỊ PALLET THEO THỜI GIAN THỰC ỨNG DỤNG CÔNG NGHỆ BẢN SAO SỐ CHO KHO HÀNG THÔNG MINH. Tạp chí Khoa học Công nghệ Hàng hải, 86, 204-211. https://doi.org/10.65154/jmst.973
Crossref
Scopus
Google Scholar
Europe PMC

PHÁT TRIỂN HỆ THỐNG ĐỊNH VỊ PALLET THEO THỜI GIAN THỰC ỨNG DỤNG CÔNG NGHỆ BẢN SAO SỐ CHO KHO HÀNG THÔNG MINH

Bùi Quang Minh1, Phạm Thái Hà2, Nguyễn Thị Thu Phương1, Phạm Ngọc Linh1, Lê Thị Thu Hiền1, Phạm Văn Triệu3, Đàm Văn Tùng4,
1 Sinh viên Khoa Máy tàu biển, Trường Đại học Hàng hải Việt Nam
2 Sinh viên Khoa Máy tàu biển, Trường Đại học Hàng hải Việt Nam
3 Khoa Máy tàu biển, Trường Đại học Hàng hải Việt Nam
4 Trường Đại học Hàng hải Việt Nam

Nội dung chính của bài viết

Tóm tắt

Trong bối cảnh cuộc Cách mạng công nghiệp 4.0, phần lớn các doanh nghiệp tại Việt Nam vẫn đang gặp khó khăn với phương thức quản lý kho thủ công dẫn tới việc thiếu tính hiệu quả và độ chính xác. Bài báo tiến hành nghiên cứu hệ thống định vị Pallet theo thời gian thực nhằm xây dựng một hệ thống kho thông minh dựa trên sự tích hợp giữa công nghệ mô phỏng 3D của Unity và nhận diện đối tượng bằng camera giúp doanh nghiệp có thể giám sát các vị trí Pallet trong kho một cách chính xác và trực quan hơn. Mô hình thử nghiệm hướng tới các doanh nghiệp vừa và nhỏ, chi phí hợp lý và dễ triển khai, góp phần thúc đẩy quá trình chuyển đổi số trong quản lý kho vận.

Abstract

In the context of Industry 4.0, many enterprises in Vietnam continue to struggle with manual warehouse management, resulting in limited efficiency and accuracy. This paper investigates the design of a real-time Pallet localization model to develop a smart warehouse system based on the integration of Unity’s 3D simulation technology and camera-based object recognition, allowing businesses to monitor Pallet positions in the warehouse more accurately and intuitively. The proposed prototype is tailored for SMEs, offering reasonable cost and ease of implementation, thereby contributing to the acceleration of digital transformation in warehouse management.

Keywords: Pallet localization, smart warehouse, 3D simulation, object detection.

Từ khóa

Định vị Pallet, kho thông minh, mô phỏng 3D, nhận diện đối tượng.

Chi tiết bài viết

Tài liệu tham khảo

[1] Thien NH, Phat NT, Dung NTA, Ha PTM. (2022), Designing a warehouse management system in Vietnam, Vol.03(05), pp.87-93.
[2] Vukićević A, Mladineo M, Banduka N, Mačužić I. (2021), A smart Warehouse 4.0 approach for the pallet management using machine vision and Internet of Things (IoT): A real industrial case study. Advances in production engineering & management, Vol.16(3), pp.297-306.
[3] Cheng J, Verhulst C, De Clercq P, Van De Velde S, Sagaert S, Mertens M, et al. (2025), Real-Time Warehouse Monitoring with Ceiling Cameras and Digital Twin for Asset Tracking and Scene Analysis. Logistics. Vol.9(4), p. 153.
[4] Al Mahmud A., Hossan Z., Tiwari A., Khatoon R., Sharmin S., Hosain S., Ferdousmou J. (2025), Reviewing the integration of RFID and IoT in supply chain management: Enhancing efficiency and visibility. Journal of Posthumanism, Vol.5(3), pp.409-437.
[5] Vu V-D, Hoang D-D, Tan PX, Nguyen V-T, Nguyen T-U, Hoang N-A, et al. (2024), Occlusion-robust pallet pose estimation for warehouse automation. IEEE Access, Vol.12, pp.1927-1942.
[6] Chí, T. H. (2024). Ứng dụng công nghệ IOT trong lĩnh vực quản trị kho hàng tại Viễn Thông Long An. Tạp chí Kinh tế - Công nghiệp, Số 37, tr.77-82.
[7] Qi Q, Tao F, Zuo Y, Zhao D. (2018), Digital twin service towards smart manufacturing. Procedia Cirp. Vol.72, pp.237-242.
[8] Hartley R., Zisserman A. (2003), Multiple view geometry in computer vision, Cambridge University Press, Cambridge.




















[9] Distante A, Distante C. (2020), Camera calibration and 3D reconstruction. Handbook of Image Processing and Computer Vision, Vol.3: From Pattern to Object, pp.599-667.
[10] Poynton C. (2012), Digital video and HD: Algorithms and interfaces, Elsevier, Oxford.
[11] Olson E. (2011), AprilTag: A robust and flexible visual fiducial system, Proceedings of the IEEE International Conference on Robotics and Automation, IEEE ,pp.3400-3407.
[12] Bui M. T., Doskocil R., Krivanek V. (2019), The analysis of the effect of the parameters on indirect distance measurement using a digital camera, Proceedings of the International Conference on Military Technologies (ICMT), pp.1-9.
[13] Fischler MA, Bolles RC. (1981), Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM, Vol.24(6), pp.381-395.
[14] Knowles, K. W. (2001), Points, Pixels, Grids and Cells: A Mapping and Gridding Primer. National Snow and Ice Data Center.