نوقشت رسالة الماجستير للطالب (مرثد وميض مجيد ) من قسم هندسة الميكاترونيكس كلية الهندسة الخوارزمي يوم الاثنين الموافق ٢٠٢٣/٧/١٠في قاعة مناقشات الدراسات العليا وكانت اللجنة برئاسة (أ.د.امير حسين مراد ) التدريسي في قسم هندسة المعلومات والاتصالات وعضوية كل من (أ.م .د.دلال عبد المحسن )التدريسية في الجامعة التقنية الوسطى و(أ.م.د.يعرب عمر ناجي ) التدريسي من قسم هندسة الميكاترونيكس /كلية الهندسة الخوارزمي واشراف (أ.م.د.احمد محروس راغب) وبعد الاستماع الى الطالب من قبل اللجنة تم الاعلان عن الدرجة التي حصل عليها الطالب والتي كانت بدرجة [جيد جدا]وذلك لبحثه المقدم والذي كانت الخلاصه منه .
تعتبر إيماءات اليد حاليًا واحدة من أكثر الطرق دقة وتطورا للتواصل في العديد من التطبيقات ، مثل لغة الإشارة ، والتحكم في الروبوتات ، والعالم الافتراضي ، والبيوت الذكية ، ومجال ألعاب الفيديو. تُستخدم عدة تقنيات لاكتشاف إيماءات اليد وتصنيفها ، مثل استخدام القفازات التي تحتوي على عدة أجهزة استشعار أو اعتمادًا على رؤية الحاسوبية. في هذا العمل ، سوف نعتمد على رؤية الحاسوبية بدلاً من استخدام القفازات للتحكم في حركة الروبوت ، وذلك لعدة أسباب منها أن استخدام القفازات يتطلب توصيلات كهربائية معقدة تقيد حركة المستخدم ، وكذالك إصلاح اجهزة الاستشعارالمرتبطة بالقفازات مكلفًا إذا تعرضت للتلف ، وأخيرًا القفازات معرضة لنقل الأمراض الجلدية بين المستخدمين. بناءً على رؤية الحاسوبية يتم استخدام طريقتين هما MediaPipe و والطريقة الكلاسيكية (التقليدية). MediaPipe عبارة عن خوارزمية تكتشف الأيدي داخل دفق فيديو. تم تطويره باستخدام تقنيات التعلم الآلي وهي طريقة حديثة تم اكتشافها بواسطة Google. يتم تلخيص هذه الطريقة من خلال الكشف عن إيماءات اليد وتصنيفها من خلال تحديد 21 نقطة ثلاثية الأبعاد على اليد ، ومن خلال مقارنة أبعاد تلك النقاط ، يتم تصنيف إيماءات اليد. تعتمد الطريقة الكلاسيكية على تقنيات رؤية الكمبيوتر لاكتشاف إيماءات اليد وتصنيفها. كشفت النتائج التجريبية لنفس مجموعة البيانات أنه في ظل ظروف مثالية معينة مثل شدة الضوء والمسافة وزاوية الميل (بين إيماءة اليد والكاميرا) ان طريقة MediaPipe تكون أكثر دقة وأسرع في الاستجابة من الطريقة التقليدية ،وكذالك لديها أيضًا القدرة على التمييز بين الأصابع المرتفعة ، على عكس الطريقة التقليدية التي لا تستطيع التمييز بين الأصابع المرتفعة ، لأنها تعتمد على خوارزمية الهيكل المحدب في التصنيف. من خلال المقارنة بين الطريقتين يتم الاعتماد على طريقة MediaPipe في السيطرة على حركة الروبوت في الوقت الحقيقي، حيث أن لكل إيماء يد لها امرمعين ينفذها الروبوت المتعقب، وأظهرت النتائج التجريبية أن دقة هذه الطريقة من خلال تأثير العناصر البيئية مثل شدة الضوء والمسافة وزاوية الميل (بين إيماءة اليد والكاميرا) تتناقص في بعض الحالات عندما تتغير العوامل البيئية. والسبب في ذلك أنه في بعض الحالات تكون الأصابع متقاربة ، وبعض الأصابع ليست مغلقة أو مفتوحة بالكامل ودقة الكاميرا المستخدمة ليست جيدة مع العوامل البيئية المتغيرة مما يؤدي إلى عدم قدرة الخوارزمية المستخدمة لتصنيف إيماءات اليد بشكل صحيح (انخفاض دقة التصنيف) ، وبالتالي زيادة وقت الاستجابة لحركة الروبوت المتعقب. مما يجعل من المستحيل على النظام تحديد ما إذا كان الإصبع مغلقًا أم مفتوحًا ، لذلك نقترح تغيير بعض إيماءات اليد غير المنتظمة إلى إيماءات أكثر انتظامًا لزيادة الدقة وتقليل وقت استجابة الروبوت

Comments are disabled.