Sign Language Translator

هذا المشروع هو جزء من مشروع تخرّج تم تنفيذه ضمن فريق عمل، وكانت فكرته تصميم Smart Glove قادر على ترجمة لغة الإشارة إلى نص مكتوب في الوقت الحقيقي. يعتمد النظام على Flex Sensors + ESP32 + Machine Learning + Mobile App، ويهدف لمساعدة مجتمع الصمّ والبكم في تسهيل التواصل. دوري في المشروع (My Role): ضمن فريق العمل، كانت مسؤوليتي الأساسية: ✔ جمع البيانات (Data Capture): تسجيل وقياس قراءات الـ Flex Sensors لكل حركة من حركات لغة الإشارة باستخدام الـ ESP32 وتجهيز ملفات الـ CSV. ✔ تنظيف وتحضير البيانات (Data Cleaning & Preprocessing): معالجة القيم المفقودة، إزالة القيم الشاذة Outliers، وتنظيم البيانات في شكل مناسب للنماذج. ✔ تحليل البيانات (Data Analysis): عمل إحصائيات وتحليل كامل للبيانات، واختبار توزيعاتها، وعمل Correlation و Boxplots و Pairplots. ✔ تصوّر البيانات (Data Visualization): استخدام مكتبات مثل: Matplotlib Seaborn لعرض الـ Distribution، Heatmaps، Boxplots، Outliers Analysis … إلخ. ✔ تجربة أكثر من Model واختيار الأفضل: جرّبت عدة نماذج Machine Learning: Logistic Regression Decision Tree SVM Random Forest وكتبت مقارنة بين النتائج وتم اختيار Random Forest كأفضل Model بدقة وصلت إلى 92%. ✔ رفع النموذج على السيرفر (Deployment): تجهيز الموديل بصيغة Pickle/Joblib ورفعـه على Heroku باستخدام FastAPI ليتصل مع الموبايل والـ ESP32. مكونات المشروع (Team Work): Hardware Team تصميم وتوصيل Flex Sensors على الجوانتي توصيل ESP32 لحام الأسلاك تجهيز التغذية والبطارية Software / IoT Team برمجة ESP32 إنشاء API للتواصل ربط الموبايل بالمايكروكونترولر AI / Data Team (منها شغلي): بناء Dataset تحليل البيانات تدريب الموديل اختيار الأفضل رفع الموديل على Heroku Mobile App Team تصميم تطبيق Flutter عرض الترجمة Real-time دعم اللغة العربية إضافة Text-to-Speech نتائج المشروع: ترجمة لغة الإشارة للنص بشكل لحظي. دقة نموذج Machine Learning وصلت إلى 92%. تواصل متكامل بين ESP32 – Heroku – Mobile App. واجهة استخدام سهلة وتعمل على Android.