Image Based Product Price Recognition-System modeling

تطوير نظام ذكي يعتمد على تقنيات **Artificial Intelligence, Computer Vision, NLP وMultimodal Learning** للتعرف على المنتجات من الصور، استخراج بيانات الأسعار، وفهم التشابه بين المنتجات لاسترجاع المنتجات الأكثر تطابقًا من قاعدة بيانات المنتجات.

يعتمد النظام على تحليل الصور واستخراج **Visual Features** باستخدام نماذج Deep Learning، بالإضافة إلى تمثيل أسماء المنتجات باستخدام **Transformer-based Language Models**، ثم دمج المعلومات البصرية والنصية للحصول على تمثيل موحد للمنتج وتحسين عملية البحث والاسترجاع.

أهم وظائف النظام

* التعرف على المنتجات الموجودة داخل الصور.

* التعامل مع الصور التي تحتوي على أكثر من منتج.

* استخراج وقراءة أسعار المنتجات من الصور.

* فهم أسماء المنتجات حتى مع اختلاف الصياغة أو وجود أخطاء إملائية.

* البحث الدلالي عن المنتجات بدل الاعتماد على التطابق الحرفي للكلمات.

* استرجاع أفضل المنتجات المشابهة باستخدام **Cosine Similarity**.

* دعم استخراج النتائج في صيغ منظمة مثل **CSV وJSON**.

* استخدام تقنيات **Multimodal AI** لدمج المعلومات النصية والبصرية.

التقنيات المستخدمة

**Computer Vision**

* ResNet50

* EfficientNet

* Image Feature Extraction

**Natural Language Processing**

* BERT

* DistilBERT

* Sentence Transformers

* Text Embeddings

**Multimodal AI**

* Feature Fusion

* Embedding Concatenation

* Visual + Text Representation

**Information Retrieval**

* Semantic Search

* Cosine Similarity

* Top-K Product Retrieval

### Model Evaluation

تم إجراء تجارب لمقارنة استخدام **Frozen ResNet50** مع **Fine-Tuned ResNet50** لاختيار أفضل تمثيل بصري للمنتجات.

حقق نموذج **Frozen ResNet50** أفضل Separation Score بقيمة **0.0848** مقارنة بـ **0.0817** للنموذج Fine-Tuned، ولذلك تم اختياره ضمن الـMultimodal Pipeline النهائي.

### مخرجات المشروع

يستطيع النظام تحويل الصور إلى بيانات منظمة تتضمن معلومات المنتجات والأسعار، بالإضافة إلى توفير نتائج بحث تعتمد على التشابه الدلالي والبصري بين المنتجات.

يُعد المشروع نموذجًا لتطبيقات الذكاء الاصطناعي متعددة الوسائط في مجالات مثل **E-commerce, Retail, Product Search وAutomated Cataloging**.