جامعة الحمدانية

SmartEduAssistant is an AI-powered desktop application developed using C#, Windows Forms, and the OpenAI GPT API to support students in learning and self-study. It enables users to summarize lessons, generate questions, create personalized study plans, retrieve information from PDF documents, and assess their knowledge through AI-generated quizzes. By integrating multiple educational features into a single user-friendly platform, the system improves learning efficiency and simplifies the management of educational content.

يُعد تقسيم الصور الطبية من المهام الأساسية في أنظمة التشخيص بمساعدة الحاسوب، إذ يُمكّن من التحديد الدقيق للهياكل التشريحية والمناطق المرضية، مما يدعم تشخيص الأمراض ووضع الخطط العلاجية المناسبة. وعلى الرغم من النجاح الكبير الذي حققته بنية U-Net، إلا أن أداءها غالبًا ما يتأثر بفقدان المعلومات المكانية أثناء عمليات الاختزال (Downsampling) وبمشكلة تلاشي التدرج في الشبكات العصبية العميقة. يقترح هذا البحث إطارًا هجينًا للتعلم العميق يدمج بين U-Net وResNet بهدف تحسين استخلاص الميزات، والحفاظ على المعلومات المكانية، وتعزيز انتقال التدرجات أثناء عملية التدريب. يعتمد الإطار المقترح على بنية المُشفِّر–فك المُشفِّر (Encoder–Decoder) المدعومة بالكتل المتبقية (Residual Blocks) لتعلم تمثيلات ميزات أكثر تمييزًا مع المحافظة على دقة التحديد على مستوى البكسل. أظهرت النتائج التجريبية في العديد من مهام تقسيم الصور الطبية الحيوية أن الإطار المقترح تفوق باستمرار على نموذج U-Net الأصلي، محققًا دقة أعلى، وقدرة أفضل على التعميم، مع الحفاظ على الكفاءة الحسابية.

درون الذكي لمراقبة المحاصيل الزراعية هو نظام مبتكر يجمع بين الطائرات المسيّرة وتقنيات الذكاء الاصطناعي لمراقبة حقول الحنطة والكشف المبكر عن الأمراض الفطرية. تقوم الطائرة بالتقاط صور جوية عالية الدقة للمحصول، ثم تُحلَّل هذه الصور باستخدام نموذج ذكاء اصطناعي يعتمد على الرؤية الحاسوبية لتحديد أماكن الإصابة بدقة وتمييز أنواع الأمراض مثل الصدأ، والتفحم، والبياض الدقيقي. يعرض النظام النتائج على واجهة سهلة الاستخدام مع تقرير تشخيصي يساعد المزارع على اتخاذ قرارات سريعة ودقيقة، مما يقلل من استخدام المبيدات، ويخفض التكاليف، ويحسن إنتاجية المحاصيل، ويدعم التحول نحو الزراعة الذكية والمستدامة.

يهدف هذا المشروع إلى تطوير نظام ذكي للتعرف على حروف لغة الإشارة الأمريكية (ASL) باستخدام تقنيات الذكاء الاصطناعي والرؤية الحاسوبية، لمساعدة الأشخاص الصم في تحسين عملية التواصل وتعلم لغة الإشارة. يعتمد النظام على كاميرا الحاسوب أو الهاتف لالتقاط حركة يد واحدة وتحليلها لحظياً باستخدام مكتبة MediaPipe Hands لاستخراج معالم اليد، ثم تصنيف الحرف بواسطة نموذج TensorFlow المدرب على مجموعة بيانات من منصة Kaggle. يعرض النظام الحرف المكتشف مع نسبة الثقة، ويحوّل الحرف إلى صوت باللغة الإنجليزية، مما يوفر وسيلة تفاعلية وسهلة الاستخدام لتعلم لغة الإشارة والتواصل.