fire detction model

مشروع نظام الكشف الذكي عن الحريق والدخان (Real-Time Fire & Smoke Detection) يعتمد هذا المشروع على تقنيات الرؤية الحاسوبية (Computer Vision) لتوفير نظام مراقبة ذكي يعمل في الوقت الفعلي للكشف عن مخاطر الحريق. تم تطوير النظام باستخدام خوارزمية YOLOv8، وهي واحدة من أسرع وأدق تقنيات كشف الأشياء عالمياً، مما يجعله مثالياً للاستخدام في أنظمة الأمان وكاميرات المراقبة. نظرة عامة على المشروع يتمحور المشروع حول تدريب نموذج ذكاء اصطناعي قادر على التمييز بين ألسنة اللهب وتصاعد الأدخنة في بيئات مختلفة. تم تصميم المسار البرمجي بالكامل من مرحلة معالجة البيانات الخام وحتى بناء تطبيق نهائي يمكن التفاعل معه عبر المتصفح. المكونات التقنية بنية النموذج: تم استخدام النسخة المصغرة YOLOv8 Nano؛ لضمان التوازن المثالي بين سرعة الاستجابة ودقة الكشف، مما يسمح للنظام بالعمل بكفاءة على الأجهزة المتوسطة (مثل اللابتوب) دون الحاجة لمعالجات رسومية خارقة. البيانات (Dataset): مجموعة بيانات شاملة تحتوي على صور متنوعة للحريق والدخان. يتضمن المشروع كود مخصص لتحويل التوصيفات من صيغة XML إلى صيغة YOLO النصية. المعالجة المسبقة: تقسيم آلي للبيانات بنسبة (80% للتدريب و20% للتحقق) لضمان قدرة النموذج على العمل في ظروف بيئية جديدة وغير مسبوقة. الأدوات البرمجية: Python: اللغة الأساسية للمشروع. Ultralytics: الإطار البرمجي المستخدم لتدريب وتشغيل نموذج YOLOv8. OpenCV: لمعالجة بث الفيديو المباشر وتحليل الإطارات. Streamlit: لبناء واجهة مستخدم رسومية سهلة الاستخدام وتفاعلية. المميزات الرئيسية تصنيف مزدوج: القدرة على اكتشاف الحريق والدخان في آن واحد، وهو أمر حيوي للإنذار المبكر في المراحل الأولى لنشوب الحريق. معالجة فورية (Real-Time): تحليل حي للفيديو من خلال كاميرا الويب أو كاميرات المراقبة مع رسم مربعات تحديد (Bounding Boxes) حول الأخطار المكتشفة. تحكم في الحساسية: يوفر النظام شريط تحكم لتعديل عتبة الثقة (Confidence Threshold)، مما يساعد في تقليل الإنذارات الكاذبة بناءً على ظروف الإضاءة والمكان. التطبيقات المحتملة يمكن دمج هذا المشروع في أنظمة السلامة للمنازل الذكية، مراقبة المستودعات والمصانع، أو حتى أنظمة الإنذار المبكر لحرائق الغابات، مما يساهم في حماية الأرواح والممتلكات من خلال سرعة الاستجابة.