Rock classification machine learning

مشروع تصنيف الصخور باستخدام الذكاء الاصطناعي هو نظام يعتمد على تقنيات التعلم العميق لتحليل الصور والتعرف على نوع الصخور تلقائيًا.

يقوم النموذج باستقبال صورة لصخرة، ثم معالجتها واستخراج الخصائص منها، وبعد ذلك يقوم بتصنيفها إلى واحدة من أربع فئات رئيسية:

الصخور النارية (Igneous)

الصخور المتحولة (Metamorphic)

الصخور الرسوبية (Sedimentary)

المعادن (Minerals)

تم تدريب النموذج على Dataset يحتوي على آلاف الصور، مع تقسيم البيانات إلى تدريب واختبار لضمان دقة التقييم. كما تم استخدام تقنيات تحسين الصور مثل Histogram Equalization و CLAHE لزيادة وضوح التفاصيل وتحسين أداء النموذج.

الهدف من المشروع هو بناء نظام ذكي يمكن استخدامه في مجالات مثل الجيولوجيا، التعدين، أو التعليم، لتسهيل عملية التعرف على أنواع الصخور بدقة وسرعة.

التقنيات المستخدمة (Technologies Used)

الذكاء الاصطناعي والتعلم العميق

TensorFlow & Keras

لبناء وتدريب نموذج الشبكات العصبية (CNN)

PyTorch

تم استخدامه في النموذج الثاني لتدريب وتحسين الأداء

Convolutional Neural Networks (CNN)

لاستخراج الخصائص من الصور وتصنيفها

معالجة الصور (Image Processing)

OpenCV

لمعالجة الصور وتحسينها

CLAHE (Contrast Limited Adaptive Histogram Equalization)

لتحسين التباين في الصور بشكل محلي

Histogram Equalization

لزيادة وضوح الصور وتحسين توزيع الإضاءة

تجهيز البيانات (Data Preprocessing)

تقسيم البيانات (Training / Testing)

إزالة الصور التالفة (Corrupted Data Handling)

تحويل الصور إلى Grayscale

Normalization (توحيد القيم)

التعامل مع عدم توازن البيانات (Class Imbalance باستخدام sklearn)

مكتبات إضافية

NumPy / Pandas → لمعالجة البيانات

Matplotlib / Seaborn → لعرض النتائج والرسومات

Scikit-learn → لحساب metrics وتحليل الأداء

التدريب والتقييم

استخدام GPU (CUDA) لتسريع التدريب

قياس الأداء باستخدام:

Accuracy

Loss

Confusion Matrix

Classification Report