Satellite Image Water Segmentation

قمت بتطوير نظام ذكاء اصطناعي متكامل يعتمد على تقنيات الرؤية الحاسوبية والتعلم العميق لاكتشاف وتحديد المسطحات المائية بدقة عالية من صور الأقمار الصناعية متعددة الأطياف.

يعتمد المشروع على نماذج Semantic Segmentation مثل نموذج U-Net مع استخدام عدة Backbones قوية مثل ResNet34 و ResNet50 و EfficientNetV2B0، وذلك لتحليل صور مكونة من 12 قناة طيفية مختلفة مما يسمح بفهم أعمق لخصائص الأرض والمياه.

أهم مميزات النظام:

- تحليل صور أقمار صناعية متعددة الأطياف (12 Band).

- تحديد المسطحات المائية بدقة على مستوى كل بكسل.

- تدريب عدة نماذج Deep Learning ومقارنتها للوصول لأفضل أداء.

- تحقيق دقة تصل إلى 95% مع قيمة IoU تتجاوز 0.83.

- تطوير واجهة ويب تفاعلية باستخدام Flask تسمح للمستخدم:

(برفع الصور | عرض القنوات الطيفية المختلفة | إظهار قناع المياه الناتج عن النموذج | تحميل النتيجة النهائية)

استخدامات هذا النظام:

- مراقبة الموارد المائية.

- تحليل الفيضانات.

- الدراسات البيئية والجغرافية.

- دعم أنظمة الاستشعار عن بعد.

المشروع يمثل حل متكامل من معالجة البيانات إلى تدريب النموذج ثم نشره كتطبيق قابل للاستخدام، مما يجعله مناسبًا للتطبيقات الواقعية في مجالات الجغرافيا والبيئة والاستشعار عن بعد.