نظام ذكي للتعرف على الأعطال الصناعية باستخدام الذكاء الاصطناعي والصوت

هذا المشروع عبارة عن نظام ذكي يستخدم تقنيات تعلم الآلة لتحليل الأصوات الناتجة من الآلات الصناعية، والتعرف على الأعطال المحتملة بدقة عالية قبل حدوث توقف مفاجئ أو تلف كبير. تم بناء النموذج اعتماداً على تسجيلات صوتية لآلات تعمل بشكل سليم وأخرى بها أعطال، وتم تصنيفها باستخدام خوارزميات متقدمة في معالجة الإشارات الصوتية (Audio Signal Processing) مثل:

MFCC (Mel-Frequency Cepstral Coefficients) لاستخراج الميزات.

CNN + LSTM لتصنيف الصوت بناءً على النمط الزمني والتردد.

ميزات المشروع:

اكتشاف مبكر للأعطال مما يوفر تكاليف الصيانة.

دقة تصنيف تفوق 92% بعد التدريب على آلاف العينات.

واجهة استخدام تعرض تنبيهات عند اكتشاف صوت غير طبيعي.

النظام يعمل في الوقت الحقيقي Real-Time باستخدام Stream Processing.

إمكانية التوصيل بأنظمة إنترنت الأشياء IoT لمراقبة المصانع.

طريقة التنفيذ:

تم استخدام Python مع مكتبات مثل Librosa, TensorFlow, Keras, وFlask.

تم تدريب النموذج على مجموعة بيانات حقيقية مفتوحة المصدر بالإضافة إلى تسجيلات يدوية من بيئات صناعية محلية.

تم تصميم واجهة رسومية بسيطة باستخدام Tkinter لعرض التنبيهات ونتائج التصنيف.

أُضيف دعم للاتصال بـMQTT لنقل النتائج لأنظمة مراقبة عن بعد.