تمت يوم الاثنين الموافق 20-3-2023 مناقشة رسالة الماجستير للطالبة ميس محمد نبيل عن رسالتها الموسومة

FIRE DETECTION USING UNMANNED AERIAL VEHICLE

وتألف اللجنة من:

أ.د. تيسير سلمان عطيه    رئيسا

ا.م. د. عمار داود جاسم  عضوا

م.د. اثيل نوفل محمد طاهر    عضوا 

م.د. شيماء وليد عبد اللطيف    عضوا ومشرفا

وقد استوفت الطالبة متطلبات الحصول على شهادة الماجستير بنجاح..

تعتبر الحرائق من أخطر أنواع الحوادث التي يمكن أن تحدث وقد تسبب أضرارًا جسيمة لحياة الناس وتهدد موردًا بيئيًا من خلال الانتشار السريع والخروج عن نطاق السيطرة. يتطلب هذا الجانب المهم نظامًا ذكيًا للتحكم فيه في الوقت المناسب. لتحقيق ذلك ، تم اقتراح منصة لنظام آلي كامل للكشف عن الحرائق للتغلب على انتشار الحرائق في أقرب وقت ممكن ، من خلال استخدام الطائرات بدون طيار (UAVs) كدور خدمة إنترنت الأشياء المجهز بـ Pixhawk4 لوحدة التحكم في الطيران واكتشاف الحرائق على متن الطائرة النظام باستخدام Raspberry Pi4 و OpenCV. الخصائص المحددة لأنظمة الطائرات بدون طيار للسرعة العالية والحركة المرنة والتحكم السهل ، بالإضافة إلى المستشعرات المدمجة في وحدة التحكم في الطيران مثل الجيروسكوب والتسارع والبوصلة ، تجعلها الخيار الأفضل لنظام المراقبة في الوقت الفعلي. من ناحية أخرى ، لتحقيق نتائج دقيقة ودقيقة للكشف عن الحرائق ، تم استخدام نهج التعلم العميق باستخدام نماذج الشبكات العصبية التلافيفية (CNNs) لمهام الرؤية الحاسوبية عالية الأداء. بناءً على إدخال الفيديو من كاميرا الطائرة بدون طيار. يعرض العمل المقترح نماذج مختلفة لشبكة CNN (Vgg16 و Vgg19 و ResNet50 و InceptionV3 و MobileNetV2). تمت دراسة أداء هذه النماذج وتدريبها على نوعين من مجموعات البيانات (مجموعات البيانات الحرجية والحضرية). علاوة على ذلك ، نظرت الدراسة في التحقيق في تغيير جودة وكمية مجموعة البيانات من خلال جمع مجموعة بيانات جديدة بناءً على صور الحرائق الحضرية بالإضافة إلى مجموعة بيانات الغابة ، حيث أن معظم الأبحاث المقدمة في هذا المجال مخصصة لمجموعة بيانات الغابات. أظهرت النتائج أن MobileNet2 قد تفوقت على نماذج CNN الأخرى بدقة إجمالية تصل إلى 99.96٪. أخيرًا ، تم اختبار النظام المقترح بنجاح في البيئة العراقية من خلال الكشف عن الحريق وإرسال موقع الحريق باستخدام رسالة نصية قصيرة في 36 ثانية.