نوقشت اليوم الاربعاء الموافق 6-8-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (عثمان سعد عبداللطيف) الموسومة:
(Oil spot Detection Using Deep Learning)
بإشراف (أ.م.د. زيدون طارق عبدالوهاب)
هذا وقد جاء في مستخلص الدراسة ما يلي:
تعد الانسكابات النفطية من أبرز التحديات التي تواجه عمليات نقل النفط إذ تسبب هدرًا للموارد، وارتفاعا في تكاليف التشغيل والصيانة، وأثارًا بيئية خطيرة في حال اكتشافها متأخرا. وتعجز أساليب الرصد التقليدية في العراق عن توفير تحذيرات دقيقة وفورية، لا سيما في بيئات التشغيل المتنوعة.
لذلك، تهدف هذه الدراسة إلى تطوير نظام ذكي قائم على تقنيات التعلم العميق وصور الطائرات المسيرة لرصد الانسكابات النفطية بدقة عالية وفي الوقت الفعلي في البيئات البرية والمائية. وقد أنشئت مجموعة بيانات تضم 700 صورة مصنفة، تضم 230 صورة برية و 470 صورة مائية، التقطت في ظل ظروف إضاءة وظروف جوية متفاوتة لتعزيز تنوع البيانات أجريت عملية التصنيف باستخدام منصة Roboflow، وشملت خطوات المعالجة المسبقة تغيير الحجم، وتحويل التدرج الرمادي
والتدوير التلقائي، بالإضافة إلى زيادة البيانات لتحسين قدرة النماذج على التعميم. تم تدريب ثلاثة نماذج YOLOV9 و YOLOv10 و YOLOV11 ، وقيم أداؤها باستخدام متوسط دقة 50% (50@mAP). أظهرت النتائج أن YOLOv11 تفوق على كل من اليابسة 87.9 - mAP50) والبيانات المتنوعة (80.9% - 50@mAP) بفضل آليات الانتباه. كان أداء YOLOv9 هو الأفضل في مجموعة بيانات المياه (75.3 - 50@mAP)، بينما كان أداء YOLOV10 جيدًا في مجموعة البيانات المتنوعة 79.7% = 50@mAP). تؤكد النتائج فعالية دمج تقنيات YOLO مع صور الطائرات المسيرة في تطوير نظام ذكي لمراقبة الانسكابات النفطية.
الكلمات المفتاحية الانسكابات النفطية صور الطائرات المسيرة ؛ YOLO التعلم العميق المراقبة البيئية.
تألفت لجنة المناقشة من السادة:
1. أ.م.د . محمود ماهر صالح / جامعة تكريت/ كلية علوم الحاسوب والرياضيات رئيساً
2 . أ.م.د. سعيد محمد هاشم / جامعة القاسم الخضراء عضواً
3 . أ.م.د. محمد اكثم احمد / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
4. أ.م.د. زيدون طارق عبدالوهاب / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً ومشرفاً
هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا .
