تقسيم الصور الجوية لمراقبة التنوع البيولوجي (Aerial Image Segmentation)

قمت بتطوير نماذج تقسيم الصور الجوية (Aerial Image Segmentation) ضمن مشروع يهدف إلى مراقبة التنوع البيولوجي ودعم الإدارة المستدامة للموارد الطبيعية.

شمل العمل إدارة دورة المشروع كاملة، بدءًا من (Image Annotation) حيث قمت بتجهيز أكثر من 400 صورة، مرورًا بمعالجة البيانات وبناء النماذج، وصولًا إلى تقييم الأداء والمقارنة بين عدة خوارزميات.

تم تدريب ومقارنة عدة نماذج متقدمة مثل UNet، DeepLabV3+، Mask R-CNN و YOLOv8، مع تطبيق تقنيات زيادة البيانات (Data Augmentation) وضبط المعاملات لتحسين الأداء في ظروف بيئية مختلفة.

نتائج المشروع:

تحقيق دقة واسترجاع (Precision & Recall) تجاوزت 85٪

أداء أفضل من الأداة المرجعية DeepForest

نماذج أكثر استقرارًا أمام تغيّر الإضاءة والبيئة

تم تنفيذ المشروع باستخدام تقنيات Computer Vision وDeep Learning مع تركيز على جودة النتائج وقابليتها للاستخدام العملي.