Vehicle damage detection

نظام تقييم أضرار المركبات المدعوم بالذكاء الاصطناعي (AI-Powered Vehicle Damage Assessment)

هو نظام برمجي متكامل يعتمد على تقنيات رؤية الحاسوب (Computer Vision) لأتمتة عمليات فحص السيارات (مثل سيارات التأجير). يعمل النظام على تحليل صور المركبات قبل الاستلام وبعد التسليم، ليقوم تلقائياً باكتشاف وعزل الأضرار "الجديدة" فقط، مع تقديم تقدير فوري ودقيق لتكاليف الإصلاح. يهدف هذا الحل إلى تقليل الاعتماد على الفحص اليدوي، تسريع العمليات التشغيلية، وحل النزاعات بدقة تعتمد على البيانات.

أبرز المهام والإنجازات التقنية (Technical Highlights):

هندسة الذكاء الاصطناعي (AI Engineering): تدريب ونشر نموذج شبكات عصبية مخصص باستخدام (YOLOv8) لاكتشاف أجزاء المركبات وتصنيف أنواع الأضرار (خدوش، طعجات، كسور) بدقة وكفاءة عالية وفي الوقت الفعلي.

تطوير خوارزميات معقدة (Algorithmic Problem Solving): ابتكار خوارزمية ذكية لمقارنة الصور بالاعتماد على التداخل الفراغي (IoU - Intersection over Union)، وتطبيق تقنية (Non-Maximum Suppression) لمنع تكرار رصد نفس الضرر، مما يضمن تحديد الأضرار "الجديدة" حصرياً واستبعاد التلفيات القديمة.

بناء واجهات خلفية عالية الأداء (Robust Backend API): تطوير واجهة برمجة تطبيقات (RESTful API) غير متزامنة (Async) باستخدام FastAPI، تتعامل بكفاءة مع معالجة الصور باستخدام OpenCV لإضافة الإحداثيات والعلامات التوضيحية (Bounding Boxes) من جهة الخادم (Server-side) لتقليل العبء على المتصفح.

محرك التسعير الديناميكي (Dynamic Cost Engine): بناء خوارزمية لحساب تكلفة الإصلاح تأخذ في الاعتبار مساحة الضرر المحسوبة، نوع الجزء المتضرر، ونسبة ثقة النموذج (Confidence Score) لتقديم تقديرات مالية واقعية.

هيكلية متعددة الواجهات (Scalable Architecture): بناء واجهة مستخدم تفاعلية وسريعة باستخدام React & Vite كواجهة أساسية للإنتاج، بالإضافة إلى لوحة تحكم تحليلية مبنية بـ Streamlit لاختبار النموذج واستعراض النتائج بسرعة للمطورين والإدارة.

التقنيات المستخدمة (Tech Stack):

الذكاء الاصطناعي ومعالجة الصور: Python, YOLOv8 (Ultralytics), OpenCV, NumPy

الواجهة الخلفية (Backend): FastAPI, Uvicorn, REST API

الواجهة الأمامية (Frontend): React 18, Vite, Streamlit, Axios