جامعة الناجي

تتطلب عمليات البحث والإنقاذ في بيئات ما بعد الكوارث وسائل سريعة ومرنة وعالية الموثوقية للكشف عن الناجين المحاصرين تحت أنقاض المباني والمنشآت المنهارة. اعتمدت فرق إدارة الكوارث على أساليب أحادية التقنية مثل الاستماع للاصوات بالمايكرفونات التناظرية، والكلاب المدرَّبة، أو الكاميرات الحرارية لتحديد مواقع الأشخاص العالقين تحت الأنقاض. ومع ازدياد تعقيد مواقع الانهيارات الحضرية، أصبحت هناك حاجة ملحّة إلى حلول تكنولوجية أكثر فعالية لاستكشاف الفراغات الداخلية والتجاويف الواقعة أسفل الأنقاض، بما يسهم في تحسين فرص اكتشاف الناجين وتسريع عمليات الإنقاذ. ويستند الحل المقترح إلى استخدام تقنية مزدوجة لتحديد مواقع الأشخاص العالقين تحت الأنقاض لتحسين فرص الناجين من الكوارث من خلال تعزيز موثوقية الكشف عنهم وتجاوز احتمالية انخفاض كفاءة التقنية الوحيدة في الكشف باستخدام تقنية مرادفة.

يقدم هذا المشروع نظامًا ذكيًا وآليًا للتظليل والري، صُمم بهدف تحسين ظروف التظليل والري لأنواع مختلفة من النباتات. يعتمد النظام على Arduino Mega لجمع بيانات المستشعرات في الوقت الحقيقي (رطوبة التربة، ودرجة حرارة البيئة، والرطوبة، والإشعاع الشمسي)، وRaspberry Pi لتنفيذ مهام الحوسبة عالية المستوى. ولتحقيق إدارة دقيقة للموارد، تم تطبيق تقنيات الرؤية الحاسوبية، حيث يتم توصيل كاميرا USB بجهاز Raspberry Pi للتعرف على نوع النبات وحالته، مما يسمح للنظام بتكييف عملياته وفقًا لمتطلبات كل فئة من النباتات. يعالج متحكم المنطق الضبابي (Fuzzy Logic Controller - FLC) البيانات الواردة من المستشعرات لاتخاذ قرارات ذكية ومناسبة بشأن عمليتي التظليل والري. ويتم ضبط التظليل بشكل ديناميكي باستخدام محرك (Servo Motor) يقوم بتدوير طبقة مستقطبة للتحكم في شدة الضوء، بينما يُستخدم نظام تحكم ذي حلقة مغلقة (Closed-Loop Control System) في نظام الري للتحكم في مضخة المياه. علاوةً على ذلك، يتيح النظام إمكانية المراقبة عن بُعد عبر واجهة ويب، مما يسهل متابعة حالته. ومن خلال دمج الرؤية الحاسوبية المعتمدة على الشبكات العصبية الالتفافية (Convolutional Neural Network - CNN) مع التحكم بالمنطق الضبابي والتغذية الراجعة ذات الحلقة المغلقة، يضمن النظام المقترح توفير الظروف المثلى لنمو النباتات، وتقليل هدر المياه، ومنع إجهاد الضوء، مما يوفر حلاً قويًا وقابلًا للتوسع في مجال الزراعة الذكية.

Abstract This project addresses the growing problem of poor air quality and its impact on respiratory health, especially among children, older adults, and people with respiratory diseases. The proposed solution is based on combining air quality monitoring with lung sound analysis using gas sensors, signal processing, and artificial intelligence. The main objective is to provide an intelligent system that can monitor environmental air conditions and detect possible respiratory diseases at an early stage. The expected outcomes include air quality assessment, early detection of lung diseases such as asthma, bronchitis, chronic obstructive pulmonary disease (COPD), and pneumonia, continuous health monitoring, and better support for medical decision-making. Keywords: Lung sound analysis, Artificial intelligence, Respiratory disease detection, Air quality monitoring. برنامج ذكاء اصطناعي لتحليل صوت الرئة لأمراض الجهاز التنفسي: الربو، التهاب القصيبات، مرض الانسداد الرئوي المزمن والالتهاب الرئوي الخلاصة يعالج هذا المشروع المشكلة المتزايدة لسوء جودة الهواء وتأثيرها على صحة الجهاز التنفسي، خاصة بين الأطفال وكبار السن والأشخاص المصابين بأمراض الجهاز التنفسي. الحل المقترح يعتمد على دمج مراقبة جودة الهواء مع تحليل صوت الرئة باستخدام حساسات الغاز، ومعالجة الإشارات، والذكاء الاصطناعي. الهدف الرئيسي هو توفير نظام ذكي يمكنه مراقبة حالة الهواء البيئية واكتشاف الأمراض التنفسية المحتملة في مرحلة مبكرة. تشمل النتائج المتوقعة تقييم جودة الهواء، والكشف المبكر عن أمراض الرئة مثل الربو، والتهاب الشعب الهوائية، ومرض الانسداد الرئوي المزمن، والالتهاب الرئوي، والمراقبة الصحية المستمرة، ودعم أفضل لاتخاذ القرار الطبي. الكلمات المفتاحية: تحليل صوت الرئة، الذكاء الاصطناعي، كشف أمراض الجهاز التنفسي، مراقبة جودة الهواء.

Automated monitoring of student engagement in large lecture halls addresses the well-documented limitations of manual, subjective observation methods. This paper presents the Intelligent Classroom Student Engagement Monitoring System, a real-time, privacy-preserving framework that leverages Edge AI to perform all inference locally on a Raspberry Pi 5, eliminating cloud dependency and protecting student privacy. A Hikvision DS-2CD3B86G2T-IZHS (3B86) 8MP DarkFighter IP camera streams high-resolution video via RTSP over a Hikvision DS-XS06G-P0-STD PoE switch. MediaPipe Face Mesh (468 facial landmarks) and Hands topologies are integrated with OpenCV to classify each detected student into one of five precise behavioral states: Focused, Tired/Closed, Bored(Hand), Bored(Down), or Turned Away using geometric ratios and true eye gaze boundaries. A Tkinter-based dashboard presents instructors with a live Class Focus Index gauge operating on a multi-tiered safety logic: triggering a flashing red overlay if focus degrades below 60% for a continuous 10 seconds, and executing local auditory warning playbacks if attention plunges past a critical 30% baseline. Upon session termination, an asynchronous worker thread calculates cumulative lecture metrics and safely dispatches a Markdown performance report to administrators via the Telegram Bot API. The embedded system successfully monitors real-time dynamics with an overall detection accuracy rate of 94%, proving high-precision AI analytics can be deployed cost-effectively within live institutional settings.

The LAMASSU project is a smart, integrated, end-to-end security module specifically designed to protect sensitive facilities and smart buildings by processing data locally. The system uniquely combines advanced computer vision for identity management and fire and smoke detection with a physical IoT sensor array. It uses a sensor fusion algorithm for highly accurate risk assessment and zero false alarms. The system features a multithreaded software architecture that delivers ultra-fast response times within fractions of a second, without relying on cloud computing. It also provides smart, instant alert channels for administrators, including local audio broadcasts and visually verified notifications via Telegram. Finally, the project offers a sustainable model that supports energy efficiency and green building practices, aligning with the United Nations Sustainable Development Goals (SDGs).