ناقش قسم هندسة الحاسوب في الجامعة التكنولوجية رسالة ماجستير للطالبة نور الهدى نهاد درهم عن رسالتها الموسومة:
Automated Vehicle for lane Detection based on deep learning Techniques
مركبة القيادة الذاتية للكشف عن المسار بناءً على تقنيات التعلم العميق
الهدف من هذه الدراسة هو تعزيز تكامل تقنيات CNN وIoT في الحوسبة الطرفية لاكتشاف الطريق لسيارات القيادة الذاتية، وتصميم نظام حوسبة حافة مدعوم بالذكاء الاصطناعي باستخدام Raspberry Pi لمركبات القيادة الذاتية بحيث يكون هذا النظام قادرًا على معالجة البيانات وتحليلها على الحافة، لتقليل زمن الوصول، وتمكين اتخاذ القرارات في الوقت الفعلي.
وتضمنت هذه الرسالة اقترح نظامًا ذكيًا يستخدم للتعلم العميق والحوسبة الطرفية حيث يمكن إجراء عملية تحليل ومعالجة البيانات بالقرب من موقع توليد البيانات على حافة الشبكة لتقليل عبء البيانات والاتصالات. يتم نقل بيانات أقل مما يتم جمعه بواسطة أجهزة إنترنت الأشياء لأن الحافة تقوم بالمعالجة المسبقة وعمل التصفية قبل نقلها إلى السحابة.
تم تقسيم العمل إلى ثلاث مراحل: المرحلة الأولى هي بناء هيكل السيارة وتضمين Raspberry Pi 4 كعقل السيارة والخادم الطرفي لإكمال عملية تحليل البيانات تم استخدام الكاميرا لجمع الصور وتكوين مجموعة البيانات .
والمرحلة الثانية وهي مرحلة بناء المسار للسيارة والبدء بعملية البرمجة الخطوة الأولى هي إعداد Raspberry Pi للعمل عن طريق تنزيل نظام التشغيل الخاص به وتنزيل المكتبات اللازمة ثم تمت عملية تجميع مجموعة البيانات من خلال قيادة السيارة على المسار وجمع الصور باستخدام الكاميرا ، ثم تمت معالجة الصور باستخدام عدة تقنيات لمعالجة الصور وتحديد زاوية الاستدارة على المسار، بما في ذلك العتبات والممرات الالتفافية والرسم البياني، تم استخدام CNN لتدريب السيارة على إكمال عملية القيادة الذاتية. حيث تم استخدام تقنيات مثل زيادة البيانات، والمعالجة المسبقة بعد ذلك تم استخدام Tensor Flow لبناء شبكة CNN تم تدريب النظام لمدة 10 حقب للحصول على قيمة دقة تصل إلى 0.955 في العهود الأخيرة وقيمة خسارة تصل إلى 0.015.
في المرحلة الأخيرة، تم استخدام التعلم الموحد لعملية توزيع البيانات بين الخادم السحابي والخادم الطرفي عن طريق خوازمية FedAvg ، وتم استخدام مكتبة Keras بالاشتراك مع Python وTensorFlow. تعمل فترات النموذج عند 100 و 200 حقبة حيث تزيد الدقة حتى 0.99 وتقل الخسارة بـالحقبة 200 ، تم تنفيذ هذا السيناريو في المتوسط في 2.51 ثانية خلال عشر عمليات تنفيذ.
وتألفت لجنة المناقشة من :
أ.م.د.علي عبد الاله نوري من الجامعة التقنية الوسطى الكلية التقنية الهندسية الكهربائية رئيساً وأ.م.د.بشرى كاظم عليوي من الجامعة التكنولوجية قسم هندسة السيطرة والنظم عضواً وم.د.أحمد موسى دينار من الجامعة التكنولوجية قسم هندسة الحاسوب عضواً وأ.م.د.أيمن داود سلمان من الجامعة التكنولوجية قسم هندسة الحاسوب عضواً ومشرفاً.