AI nhận diện hàng giả qua hình ảnh sản phẩm: độ chính xác thực tế và giới hạn tại Việt Nam

Con số 99% đọc thế nào cho đúng

Đọc báo về AI nhận diện hàng giả, bạn sẽ gặp một con số lặp đi lặp lại: chính xác trên 99%. Các bài viết về Entrupy, dịch vụ xác thực túi xách và giày hàng hiệu bằng ống kính phóng đại gắn vào điện thoại, thường dừng ở đó. Nghiên cứu học thuật cũng đưa ra những mức tương tự, ví dụ hơn 98% với ảnh chụp bằng camera và 100% với ảnh quét độ phân giải cao khi phân biệt bao bì thuốc lá thật và giả.

Con số ấy không sai. Nhưng nó trả lời một câu hỏi khác với câu bạn đang hỏi. Nó cho biết: với một bộ ảnh chụp sạch, đúng chuẩn, từ một dòng sản phẩm đã được huấn luyện kỹ, mô hình phân loại đúng bao nhiêu phần trăm. Câu bạn cần biết là: nếu tôi cho nhân viên đại lý chụp bằng điện thoại cũ dưới đèn neon trong kho, hệ thống sẽ đúng bao nhiêu lần, và sai thì tôi mất gì.

Hai câu hỏi này cách nhau khá xa. Phần còn lại của bài đi vào khoảng cách đó, theo góc nhìn của người làm sản xuất và quản lý chuỗi cung ứng ở Việt Nam, chứ không phải của người bán túi xách hàng hiệu.

AI đang làm được gì thật sự

Để công bằng với công nghệ này, hãy bắt đầu từ những việc nó làm tốt.

Việc đầu tiên là quét thị trường trực tuyến. Một hệ thống thị giác máy tính có thể duyệt hàng chục nghìn tin đăng trên sàn thương mại điện tử, so logo, font chữ, bố cục tem với mẫu chuẩn của bạn và đánh dấu những tin nghi vấn. Không đội ngũ nào ngồi lướt tay nổi khối lượng đó. Đây là chỗ AI có giá trị rõ nhất, vì mục tiêu là lọc thô: chậm một vài tin cũng không sao, miễn là bắt được phần lớn.

Việc thứ hai là phát hiện lỗi in ấn và bao bì rõ rệt. Hàng nhái làm ẩu thường sai màu, lệch tỷ lệ logo, chữ nhòe, chất liệu bóng khác bản gốc. Với những lô hàng nhái loại thấp, mô hình bắt rất tốt, nhiều khi tốt hơn mắt người vì không mệt và không nể nang.

Việc thứ ba là hỗ trợ kiểm tra tại điểm nhập hàng, khi có thiết bị chụp chuẩn hóa. Một trạm chụp có đèn cố định, nền cố định, khoảng cách cố định cho kết quả ổn định hơn nhiều so với chụp tự do. Nói cách khác, độ chính xác phụ thuộc vào việc bạn kiểm soát được điều kiện chụp đến đâu.

Vì sao ngoài thực tế con số thấp hơn

Ảnh đầu vào không được kiểm soát

Mô hình học từ ảnh, nên nó nhạy với đúng thứ ảnh mang lại: ánh sáng, góc chụp, độ nét, độ phản quang của lớp màng bọc. Một chai dầu gội chụp dưới đèn vàng ở tiệm tạp hóa cho màu khác hẳn ảnh studio. Nếu mô hình chưa từng thấy điều kiện ấy, nó hoặc bỏ sót hàng giả hoặc báo nhầm hàng thật. Các tài liệu nghiên cứu đều nêu chất lượng ảnh là điểm yếu số một khi đưa mô hình ra ngoài phòng thí nghiệm.

Thiếu mẫu hàng giả để học

AI học phân biệt thật giả cần cả hai loại mẫu. Mẫu hàng thật thì bạn có đầy. Mẫu hàng giả thì ít, lệch, và luôn cũ, vì kẻ làm giả đổi kiểu liên tục. Mô hình vì vậy giỏi nhận ra loại giả đã từng gặp và kém với loại giả mới. Đây là vấn đề chung của mọi bài toán phát hiện gian lận: bạn luôn huấn luyện chống lại kẻ địch của hôm qua.

Hàng giả tốt in cùng một máy với hàng thật

Đây là điểm mà tôi thấy các bài trên mạng gần như không nhắc, và cũng là điểm quan trọng nhất với doanh nghiệp sản xuất trong nước. Nếu cơ sở in bao bì của bạn cũng nhận đơn cho bên khác, hoặc để lọt file thiết kế, thì có thể xuất hiện những tem nhãn giống hệt bản gốc về mặt hình ảnh, thậm chí in trên cùng loại giấy. Với ảnh chụp, hai thứ đó chỉ là một. Không mô hình nào phân biệt được hai vật thể mà về mặt quang học không khác nhau.

Cũng vì thế, các dịch vụ xác thực bằng hình ảnh hoạt động tốt nhất với hàng hiệu bán lại, nơi có vân da, đường chỉ, kim loại khó sao chép chính xác. Hàng tiêu dùng nhanh, thực phẩm, vật tư nông nghiệp thì bao bì là thứ rẻ nhất để sao chép. Phần tinh túy nằm bên trong, thứ mà camera không nhìn thấy.

Tỷ lệ báo nhầm nghe nhỏ nhưng nhân lên rất lớn

Hãy làm một phép tính minh họa, số liệu giả định để dễ hình dung. Bạn kiểm 1.000 sản phẩm tại các điểm bán, trong đó 2% là hàng giả, tức 20 sản phẩm. Hệ thống bắt đúng 95% hàng giả và nhận đúng 95% hàng thật, nghe rất ổn. Kết quả: nó bắt được 19 sản phẩm giả, nhưng cũng báo nhầm 49 sản phẩm thật trong số 980 sản phẩm thật. Tổng cộng 68 cảnh báo, chỉ 19 là đúng. Hơn 70% cảnh báo là oan.

Nếu cảnh báo ấy dẫn tới việc gọi điện làm khó một đại lý đang bán hàng thật của bạn, cái giá về quan hệ thương mại không nhỏ. Với tỷ lệ hàng giả càng thấp, tình hình càng tệ. Đây là lý do một con số độ chính xác chung chung không đủ để ra quyết định. Bạn cần hỏi riêng hai chỉ số: bắt được bao nhiêu hàng giả, và báo nhầm bao nhiêu hàng thật.

Bối cảnh Việt Nam làm bài toán khó thêm

Có vài đặc thù mà công cụ nhập từ nước ngoài thường chưa tính tới.

Thứ nhất, kênh phân phối rất phân mảnh. Sản phẩm của bạn có thể nằm ở đại lý cấp một, cấp hai, tạp hóa đầu ngõ, livestream, group Zalo. Bạn khó mà bắt mọi điểm chụp ảnh theo chuẩn.

Thứ hai, thiết bị và điều kiện chụp rất đa dạng. Người dùng cuối dùng từ máy đời mới đến máy đã nhiều năm, mạng chập chờn, ảnh bị nén qua Zalo hoặc Messenger trước khi tới tay bạn. Ảnh qua các ứng dụng chat mất đáng kể chi tiết mịn mà mô hình phụ thuộc.

Thứ ba, phần lớn sản phẩm cần chống giả ở ta là hàng tiêu dùng, thực phẩm, mỹ phẩm, thuốc thú y, phân bón. Đó chính là nhóm mà bao bì dễ sao chép nhất, đúng như đã phân tích ở trên.

Thứ tư, các nền tảng lớn có nguồn lực đặt hàng dịch vụ chuyên biệt. Một doanh nghiệp vừa và nhỏ thì khó xây bộ dữ liệu riêng đủ lớn, mà bộ dữ liệu ấy mới là thứ quyết định chất lượng mô hình.

Điều cả các bài hàng đầu đều bỏ sót

Các bài viết về chủ đề này thường dừng ở hai ý: AI rất chính xác, và AI sẽ ngày càng thông minh hơn. Có ba điều họ ít nói, mà với người điều hành doanh nghiệp lại là điều cần biết nhất.

Điều thứ nhất: AI cho xác suất, không cho bằng chứng. Kết luận kiểu 92% giống hàng thật không đủ để bạn từ chối lô hàng, khiếu nại sàn hay làm việc với cơ quan quản lý thị trường. Bạn cần một bằng chứng có thể kiểm tra lại, và ảnh chụp cùng điểm số của mô hình không phải bằng chứng theo nghĩa đó.

Điều thứ hai: nhận diện hình ảnh xác thực loại sản phẩm, không xác thực từng đơn vị. Nó có thể nói bao bì này trông giống mẫu của bạn. Nó không nói được đây có đúng là chai số 48213 của lô sản xuất ngày 12 hay không. Với hàng giả làm giống hệt, hoặc hàng thật bị tráo ruột, hoặc hàng thật bị đưa sai kênh, câu hỏi thứ hai mới là câu hỏi cần trả lời.

Điều thứ ba: AI không biết gì về hành trình của sản phẩm. Hàng thật nhưng đã hết hạn, hàng thật nhưng bị buôn lậu từ thị trường khác, hàng thật nhưng bị tồn kho bán chui, tất cả đều qua bài kiểm tra hình ảnh. Với nhiều doanh nghiệp, đó lại là những vụ gây thiệt hại thật.

Cách kết hợp hợp lý: AI ở lớp sàng lọc, mã định danh ở lớp xác thực

Sau nhiều lần trao đổi với các doanh nghiệp làm chống giả, cách bố trí tôi thấy thực dụng nhất là chia hai lớp.

Lớp thứ nhất là sàng lọc bằng hình ảnh. Dùng AI để quét sàn thương mại điện tử và mạng xã hội, tìm những tin đăng nghi vấn, xếp theo mức độ ưu tiên. Ở lớp này, chấp nhận báo nhầm vì có người xem lại, và mục tiêu là phủ rộng.

Lớp thứ hai là xác thực từng đơn vị bằng mã định danh duy nhất. Mỗi sản phẩm hoặc mỗi thùng có một mã QR riêng, gắn với dữ liệu lô sản xuất, ngày đóng gói, nơi phân phối. Người mua quét mã và hệ thống trả lời dựa trên dữ liệu do chính doanh nghiệp nắm, chứ không dựa vào đoán từ vẻ ngoài. Nếu mã chưa từng được phát hành, kết luận rõ ràng. Nếu mã được quét hàng trăm lần ở các tỉnh khác nhau trong một ngày, đó là tín hiệu sao chép mã, và chuỗi sự kiện ấy là bằng chứng có thể lưu lại, đối chiếu.

Với lớp thứ hai, chuẩn GS1 và mô hình sự kiện EPCIS giúp dữ liệu theo từng lô và từng bước di chuyển được ghi theo một cấu trúc chung, thay vì mỗi hệ thống một kiểu. Còn blockchain, nếu dùng, có vai trò rất cụ thể: làm cho bản ghi khó bị sửa lại sau khi phát sinh. Nó không tự biết sản phẩm thật hay giả, nó chỉ giúp bản ghi đáng tin hơn. Cần phân biệt rõ để không kỳ vọng sai.

Có thể hình dung so sánh với việc kiểm tra tiền. AI giống người thu ngân có kinh nghiệm nhìn tờ tiền là biết có vấn đề. Mã định danh giống việc tra số seri trong sổ của ngân hàng. Người thu ngân giỏi giúp bạn bắt nhanh nhiều thứ, nhưng khi có tranh chấp, người ta mở sổ ra.

Nếu bạn định triển khai, hãy hỏi những câu này trước

Khi nhà cung cấp chào giải pháp AI nhận diện hàng giả, tôi khuyên hỏi thẳng vài câu, và một nhà cung cấp nghiêm túc sẽ trả lời được.

Con số chính xác đo trên bộ dữ liệu nào, chụp bằng thiết bị gì, ở điều kiện nào? Nếu đó là ảnh nội bộ của họ, con số ít giá trị với bạn. Hãy yêu cầu thử trên ảnh thật từ đại lý của chính bạn.

Tỷ lệ bỏ sót hàng giả và tỷ lệ báo nhầm hàng thật là bao nhiêu, tách riêng? Và khi báo nhầm, quy trình xử lý là gì để không ảnh hưởng đại lý?

Mô hình xử lý thế nào khi bao bì đổi thiết kế, ra phiên bản mới, hoặc có bản khuyến mãi theo mùa? Mỗi lần đổi bao bì là một lần mô hình cần cập nhật, và nếu không ai làm, độ chính xác sẽ tụt dần mà không có thông báo nào.

Kết quả có đi kèm bằng chứng để đối chiếu không, hay chỉ là một điểm số?

Và cuối cùng: nếu hàng giả có bao bì giống hệt, hệ thống còn giúp được gì không? Nếu câu trả lời là không, bạn cần thêm lớp định danh từng đơn vị.

Vài lời thực tế cho chủ doanh nghiệp

Tôi từng nghe một chủ cơ sở sản xuất gia vị kể rằng họ mất cả tháng để thuyết phục đại lý báo cáo hàng nghi giả, và khi có báo cáo, họ chỉ có mấy tấm ảnh chụp vội. Không ai kết luận được gì. Vấn đề của họ không phải thiếu AI, mà là thiếu một cách để người mua và đại lý xác nhận nhanh, chính xác và có dấu vết.

Nên khi được hỏi có nên dùng AI nhận diện hàng giả bằng hình ảnh không, câu trả lời của tôi là có, nhưng đúng chỗ. Dùng nó để quét rộng, để phát hiện sớm, để tiết kiệm sức người. Đừng dùng nó làm căn cứ cuối cùng cho những quyết định tốn kém như ngừng cung cấp cho một đại lý, khiếu nại chính thức, hay cam kết với người tiêu dùng rằng sản phẩm đã được xác thực.

Con số 99% là thật trong phạm vi nó được đo. Việc của bạn là biết phạm vi ấy có trùng với thị trường của mình hay không, và đặt bên cạnh nó một lớp xác thực mà bạn có thể chứng minh được khi cần.

Tóm tắt nhanh

AI nhận diện hình ảnh mạnh ở việc sàng lọc quy mô lớn và bắt hàng nhái làm ẩu. Nó yếu khi ảnh đầu vào kém, khi hàng giả mới xuất hiện, khi bao bì được sao chép giống hệt, và nó không cho bằng chứng theo từng đơn vị sản phẩm. Tại Việt Nam, kênh phân phối phân mảnh và nhóm hàng tiêu dùng dễ sao chép bao bì khiến những giới hạn này lộ rõ hơn. Cách làm bền vững là dùng AI như lớp sàng lọc, và dùng mã QR định danh từng đơn vị, gắn dữ liệu lô và hành trình theo chuẩn GS1 và EPCIS, làm lớp xác thực.