جامعة الموصل

Industrial factories face increasing cyber threats targeting programmable logic controllers (PLCs), sensors, cameras, and human-machine interfaces (HMIs). This paper presents a distributed, real-time intrusion detection system (IDS) for smart factories, built on a three-tier Fog–Cloud–Dashboard architecture deployed via Docker. The Fog layer applies a tuned Decision Tree (DT v3, Recall = 99.89%) combined with an Isolation Forest anomaly detector to filter network traffic locally, forwarding only suspicious packets to the Cloud. The Cloud layer uses an XGBoost classifier (Accuracy = 76.15%) trained on the UNSW-NB15 dataset with SMOTE oversampling and adversarial augmentation to classify nine attack types, while SHAP values provide human-interpretable explanations for each decision. Two web dashboards serve distinct roles: a technical dashboard for security managers and a simplified bilingual (Arabic/English) observer interface. Live tests demonstrate a detection rate exceeding 97% under stress conditions, with sub-second response latency.

This project addresses a significant problem in intelligent transportation systems and road safety, specifically the high incidence of traffic accidents caused by driver fatigue and drowsiness. The proposed solution, "SafeDrive AI," is based on real-time computer vision and artificial intelligence algorithms designed to continuously monitor driver facial features and behavior, with the aim of providing a highly accurate early warning system that alerts the driver before a critical sleep state is reached. The expected outcomes include a responsive, accessible, and cost-effective mobile application that significantly reduces fatigue-related accidents, thereby enhancing driver safety and saving lives.

Manual grading of open-ended science answers and student code is slow, may vary between graders, and often reduces partial understanding to a binary mark. This paper presents Samma3ni, a bilingual Arabic-English platform for grading open-ended biology responses and C++ code through one Flutter interface on Web, Android, iOS, and Windows. In biology, the grader receives the question, expert-verified answer, and student response, scores scientific meaning rather than word order, and gives partial credit when a correct definition omits a limited element. In programming, a local DeepSeek reasoning model receives the task statement, student code, compiler diagnostics, terminal behavior and output, and all student-supplied cin inputs. It therefore does not award 100 merely because one execution succeeds when the logic violates the task, and it does not assign zero merely because a minor syntax error, missing declaration, or unclosed bracket prevents compilation while most of the approach is sound. Code is screened, compiled with GNU g++, and executed in a resource-limited sandbox. The platform returns a 0-100 score, concise reasoning, targeted feedback, beginner-friendly compiler explanations, and suggested repairs. It also generates teacher-reviewable questions from Arabic or English scientific PDF textbooks. On 50 real biology scripts, automated scores closely matched human grading (Pearson r = 0.9848; MAE = 1.45; Cohen's kappa = 0.76). Full C++ validation is planned after initial institutional support and approval.

This project addresses a significant problem in edge-based biometric authentication and intelligent access control systems. The proposed solution is based on the development of an edge-based face recognition system using an ESP32-S3 camera and client-side AI libraries with the aim of transferring resource-intensive vision processing directly onto the web browser to eliminate cloud costs and privacy risks. The expected outcomes include a dramatic reduction in network latency and bandwidth, alongside immediate access verification via responsive physical LED indicators.

The "Smart Farm" project aims to design and implement a predictive smart irrigation system using the ESP32 microcontroller, based on Internet of Things (IoT) and edge computing technologies to improve water use efficiency in smart agriculture. Working Mechanism: The system reads three key environmental variables through sensors connected to the ESP32: soil moisture, temperature, and light intensity. These readings are integrated into a mathematical equation to calculate the Irrigation Need Index (INI), which automatically determines whether the pump should be turned ON or OFF without human intervention. To enhance decision accuracy, an EMA digital filter is applied for reading stabilization, and multi-level predictive control logic is used to consider soil drying trends, time of day, air humidity, and required water volume. The system also includes flexible thermal protection adjustable according to crop type and environmental conditions, with remote monitoring and control via the Blynk platform. Expected Results: · Significant reduction in water waste compared to traditional systems. · Improved irrigation precision based on multiple environmental variables. · Pump protection from dry operation through built-in safety logic. · Extended soil moisture sensor lifetime through planned pulsed excitation implementation. · Real-time remote monitoring for performance tracking from anywhere. · A low-cost, scalable practical model expandable to include solar power, machine learning, and multiple irrigation zones.

يعالج هذا المشروع مشكلة مهمة في التكنولوجيا الزراعية: الزراعة الدقيقة. يعتمد الحل المقترح على تصميم وتنفيذ نظام مراقبة وتحكم ذكي قائم على إنترنت الأشياء (IoT) مخصص تحديداً لزراعة الفطر بهدف تطوير نظام فعال، وموثوق، وسهل الاستخدام يقلل من الجهد اليدوي مع الحفاظ على الظروف البيئية المثالية لنمو الفطر. من خلال دمج ميزات المراقبة، والتحكم، والإشعارات، يهدف النظام المقترح إلى تحسين الإنتاجية ودعم تبني تقنيات الزراعة الذكية في الزراعة ذات البيئة الخاضعة للتحكم. من المتوقع أن يقلل المشروع من خسائر المحاصيل والجهد اليدوي بشكل كبير من خلال دمج الأتمتة البيئية مع الكشف المبكر عن الأمراض بالذكاء الاصطناعي بدقة 95.15%)، مما يضمن عملية زراعة فطر مستدامة، وموفرة للموارد، وعالية الإنتاجية.

This project addresses a significant problem in legal consultations and Iraqi legislative research. The proposed solution is based on Retrieval-Augmented Generation (RAG) technology and hybrid search algorithms with the aim of providing accurate legal consultations, assisting judges, lawyers, and citizens, and automatically drafting judicial petitions. The expected outcomes include accelerating access to reliable legal information, reducing AI hallucinations, and efficiently processing queries in the local Iraqi dialect.

An AI-Based Smart Vehicle Management and Guidance System for Gate Flow University Campus Gates Using Real-Time Computer Vision

يهدف مشروع Wi-Sight إلى تحويل أجهزة الواي فاي التقليدية منخفضة الكلفة إلى نظام ذكي لاستشعار وتتبع الأنشطة البشرية من خلف الجدران دون الحاجة إلى كاميرات أو أجهزة رادار باهظة الثمن أو أجهزة قابلة للارتداء. تعتمد الفكرة على استخراج معلومات حالة القناة اللاسلكية (Channel State Information - CSI) باستخدام وحدات ESP32، ثم تحليلها بواسطة تقنيات الذكاء الاصطناعي والتعلم العميق للتعرف على الأنشطة البشرية مثل المشي، والجلوس، والسقوط، وحالة الغرفة الفارغة بدقة عالية. تعتمد آلية العمل على استقبال إشارات Wi-Fi وتحليل التغيرات الدقيقة التي تحدث في خصائصها نتيجة حركة الأشخاص داخل البيئة المحيطة، ثم تمرير البيانات عبر مراحل معالجة الإشارة واستخراج الخصائص قبل تصنيفها باستخدام نماذج تعلم آلي وتعلم عميق. وعند اكتشاف حالة سقوط، يقوم النظام بإرسال إشعار فوري عبر تطبيق Telegram إلى مقدم الرعاية أو الشخص المسؤول، مع عرض النشاط المكتشف لحظيًا من خلال واجهة رسومية. يتوقع أن يسهم المشروع في توفير حل منخفض الكلفة، يحافظ على خصوصية المستخدمين، وسهل النشر في المنازل الذكية، والمستشفيات، ودور رعاية كبار السن، والمنشآت الأمنية. كما يمتلك المشروع إمكانات واعدة لدعم فرق الإنقاذ والاستجابة للطوارئ في عمليات البحث عن الأشخاص المحاصرين تحت الأنقاض أو داخل المباني المتضررة، اعتمادًا على قدرته على الاستشعار عبر العوائق والجدران باستخدام البنية التحتية لشبكات الواي فاي المتوفرة.

التطبيق الذكي لمراقبة الشبكة هو نظام متكامل لمراقبة وإدارة الشبكات الحاسوبية يعتمد على تقنيات الذكاء الاصطناعي لتحليل الأداء واكتشاف الأعطال والشذوذ بشكل استباقي وفي الوقت الفعلي. يقوم النظام بجمع بيانات الأجهزة والخوادم باستخدام بروتوكولات SNMP وICMP وSSH، ثم يعرضها عبر لوحة تحكم تفاعلية مع إرسال تنبيهات فورية للمسؤولين. يهدف المشروع إلى تحسين كفاءة الشبكة، تعزيز أمن البيانات، وتسريع اتخاذ القرارات من خلال توفير رؤى تحليلية دقيقة وشاملة.

جهاز الحماية الزراعية الذكي عبارة عن محطة منخفضة التكلفة تعمل بالطاقة الشمسية، تحمي الحقول المفتوحة والبيوت الزجاجية من خلال الكشف عن مخاطر الحريق وتسرب الغاز في مراحلها المبكرة - أثناء تراكم الدخان أو الغاز بدلاً من الاستجابة فقط بعد ظهور اللهب. يعمل الجهاز من خلال وحدة تحكم دقيقة ESP32 تقرأ باستمرار بيانات مستشعر اللهب بالأشعة تحت الحمراء، ومستشعر الغاز/الدخان MQ-2، ومستشعر الضوء (LDR)، وتحسب معدل تغير الغاز (ROC). تغذي هذه المدخلات الأربعة نموذج الغابة العشوائية، الذي تم تدريبه على مجموعة بيانات عامة للكشف عن الدخان، وتم تحويله إلى مصنف تصويت خفيف الوزن على الجهاز، يفصل بين أربع حالات: آمن، حريق، تسرب غاز، وضوء قوي. عند وجود خطر، يشغل الجهاز جرسًا محليا مزودا بمؤشرات LED خضراء/حمراء، ويقدم لوحة تحكم Wi-Fi مستضافة ذاتيا يتم تحديثها كل ثانية، كل ذلك مع الاعتماد الكامل على الطاقة الشمسية دون الحاجة إلى سحابة أو خادم أو جهاز كمبيوتر. ونتيجة لذلك، من المتوقع أن يوفر النظام دقة عالية في الكشف المبكر عن المخاطر مع عدد أقل بكثير من الإنذارات الكاذبة مقارنة بالأنظمة ذات العتبة الثابتة التي ترفض الإنذارات الكاذبة الناتجة عن الضوء وتلتقط تسربات الغاز دون العتبة مع الحفاظ على سعر معقول واستقلالية الطاقة وسهولة النشر للمزارعين على نطاق صغير.

يتناول هذا المشروع مشكلة جوهرية في التنسيق الأكاديمي والبحوث التطبيقية المتعددة الاختصاصات. ويعتمد الحل المقترح على منصة رقمية تفاعلية تستخدم تقنيات الذكاء الاصطناعي المتقدمة، مثل معالجة اللغة الطبيعية (NLP) والتحليل الدلالي ونماذج اللغة الكبيرة (LLM) المدعومة بواجهة النموذج Deepseek الذكي. وذلك لجمع مجموعة من الباحثين في مشروع بحثي تطبيقي تعاوني. يهدف المشروع إلى كسر الحواجز الأكاديمية التقليدية بين العقول العلمية، وبناء فرق بحثية بشكل آلي. تشمل النتائج المتوقعة تقليل الوقت اللازم في ايجاد الشركاء، وتجاوز فجوة العزلة العلمية، وحماية حقوق الملكية الفكرية للباحثين لضمان التطبيق العملي لابتكاراتهم.