PotholeGuard

PotholeGuard: نظام ذكي لاكتشاف الحفر وتحديد شدّتها باستخدام YOLOv8

PotholeGuard هو نظام يعتمد على تقنيات التعلم العميق لاكتشاف الحفر في الطرق من الصور والفيديوهات وتحديد شدّتها عبر تحليل دقيق للبكسلات. تم تطوير النظام باستخدام نموذج YOLOv8n-seg خفيف الوزن والمدرّب مسبقًا على مجموعة COCO، ثم إعادة تدريبه على مجموعة بيانات مخصصة صغيرة لاكتشاف الفئة الجديدة “الحفر” بدقة وفعالية في الزمن الحقيقي.

الإنجازات الرئيسية:

•اكتشاف وتقسيم الحفر في الزمن الحقيقي: يستخدم YOLOv8n-seg لاكتشاف الحفر بدقة في الصور ومقاطع الفيديو.

•حساب المساحة على مستوى البكسل: يتم قياس مساحة الحفرة بعد التقسيم لتقدير مستوى الخطورة.

•نقل تعلّم مستهدف: تم إعادة تدريب نموذج YOLOv8n-seg المدرّب مسبقًا لاكتشاف فئة مخصصة غير موجودة في مجموعة COCO الأصلية.

•التقييم والتصور البصري: يشمل مخرجات مرئية مشروحة، وحساب المساحات، ومقاييس الدقة والاسترجاع بناءً على IoU.

المهارات والتقنيات المستخدمة:

•التعلم العميق: YOLOv8 (Ultralytics), نقل التعلّم (Transfer Learning)

•رؤية الحاسوب: اكتشاف الأجسام، التقسيم الفوري

•معالجة البيانات: Python, NumPy, Pandas

•تصور البيانات: OpenCV, Matplotlib, Seaborn

•بيئة التطوير: Google Colab (مدعوم بوحدة GPU)

أثر المشروع:

يمثل PotholeGuard تطبيقًا عمليًا وفعالًا لنماذج التقسيم في مراقبة البنية التحتية وتحسين السلامة على الطرق. يبرهن المشروع على كفاءة نقل التعلم في تكييف النماذج العامة لمهام مخصصة ضمن نطاق بيانات محدود، مما يعكس دور الذكاء الاصطناعي في مواجهة التحديات.