Smart Campus Vision

مشروع "Smart Campus Vision" هو نظام رؤية حاسوبية متقدم ومصمم كحل خفيف الوزن (Lightweight) لتصنيف الصور داخل بيئات الحرم الجامعي الذكي الذكية ومراقبتها. يهدف النظام إلى تصنيف العناصر بدقة عالية إلى 5 فئات رئيسية: (مباني، سيارات، مختبرات، أشخاص، وأشجار). الهيكلية التقنية والابتكار المعماري (Architecture & Novelty):استخدام التعلم المنقول (Transfer Learning):اعتماد نموذج MobileNetV2 كعمود فقري (Backbone) ومستخلص للميزات بعد تجميد الأوزان (Frozen Weights) للاستفادة من الميزات العامة من ImageNet، مما يضمن كفاءة حسابية عالية وسرعة فائقة تناسب أجهزة الحافة (Edge Devices). ابتكار آلية التجميع الهجين (Dual-Stream Hybrid Pooling Strategy):بدلاً من الاعتماد التقليدي على Global Average Pooling (GAP) وحده والذي قد يضيع التفاصيل الحادة، قمت بدمج مسارين بالتوازي: Stream A (Global Max Pooling): لالتقاط الميزات الحادة والبارزة والأشكال. Stream B (Global Average Pooling): لالتقاط الخلفية والأنماط (Textures). تم دمج المسارين (Concatenation) لإنتاج ميزات غنية تمنع التداخل في التصنيف بين الفئات المتشابهة مثل المباني والمختبرات. استراتيجيات التدريب ومعالجة اختلال البيانات (Optimization & Class Imbalance):التعامل مع محدودية البيانات واختلال توازن الفئات (Class Imbalance) في مجموعة البيانات (حوالي 1,499 صورة) عبر تطبيق أوزان الفئات (Class Weights) أثناء التدريب لمنع انحياز النموذج للفئات الأكثر تكراراً. تطبيق تقنيات تعزيز البيانات في الوقت الفعلي (Real-time Data Augmentation) مثل الدوران والقص. النتائج المحققة (Results):تحقيق دقة تفتيش (Validation Accuracy) تصل إلى 95.71%. الوصول إلى معدل F1-score موزون بـ 0.93، مما يؤكد استقرار النموذج وقوته في التعميم على بيانات جديدة ومختلفة