نظام كشف وتصنيف الصخور المعدنية في الوقت الفعلي باستخدام الذكاء الاصطناعي

طورت نموذج ذكاء اصطناعي قادر على اكتشاف أنواع الصخور في الوقت الفعلي (Real-Time Detection) باستخدام خوارزمية YOLOv11 المتقدمة في الرؤية الحاسوبية.

تم تدريب النموذج على مجموعة بيانات تم تجهيزها ومعالجتها باستخدام منصة Roboflow، مع تنفيذ عمليات تنظيف ومعايرة وAugmentation لزيادة كفاءة النموذج واستقراره في مختلف الظروف.

ركزت في هذا المشروع على الجزء الخاص بالذكاء الاصطناعي، بدءًا من تصميم البايبلاين الخاص بالتدريب مرورًا بضبط المعلمات وتحليل نتائج الأداء باستخدام مؤشرات مثل Precision وRecall وmAP50.

كما قمت بإنشاء رسوم تحليلية توضح مؤشرات التدريب وتطور دقة النموذج عبر الحِقب باستخدام مكتبات Matplotlib وSeaborn.

تم لاحقًا دمج النموذج في تطبيق Flutter للموبايل وواجهة .NET Core Web مع قاعدة بيانات Microsoft SQL Server لتخزين النتائج بشكل ديناميكي، مما يجعل النظام متكاملًا وقابلًا للتطبيق في البيئات الصناعية أو البحثية.

الأدوات المستخدمة:

Python – PyTorch – OpenCV – YOLOv11 – Pandas – NumPy – Matplotlib – Seaborn – Roboflow – SQL Server – GitHub