نوقشت اليوم الاربعاء الموافق 26-11-2025 في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (قاسم رياض خوام ) الموسومة:

(Fall Detection System for Older Adults in the Home Environment based on Internet of Things and Al Technology)

بإشراف (أ.م.د. مهند ذياب مهدي )

هذا وقد جاء في مستخلص الدراسة ما يلي:

تُعدّ ظاهرة السقوط البشري مصدرًا بالغ الأهمية لسلامة كبار السن وذوي الاحتياجات الخاصة، إذ قد تُؤدي إلى إصابات خطيرة أو مضاعفات صحية تُهدد الحياة في حال تأخر الاستجابة. ومع تزايد عدد كبار السن حول العالم، برزت الحاجة إلى تطوير أنظمة مراقبة ذكية تعتمد على تقنيات التعلم العميق وإنترنت الأشياء للكشف عن السقوط. تهدف هذه الدراسة الى استخدام نموذج  YOLO-pose ، الذي يجمع بين اكتشاف الأجسام وتقدير الوضعية  في آن واحد بدقة وسرعة عاليتين. أُنشئت مجموعة بيانات مُخصصة في بيئة منزلية باستخدام كاميرا بدقة 1080 بكسل، مع مراعاة التنوع في جمع البيانات، بما في ذلك زوايا التصوير المُختلفة والتحكم في ظروف الإضاءة، واختلاف أطوال المشاركين، لتحقيق تنوع كافٍ يعكس سيناريوهات السقوط في الحياة الواقعية، ثم تمت معالجتها بعناية، ووسمها، وتقسيمها إلى ثلاث فئات: السقوط، والوضع الطبيعي، والانحناء، مما يُعزز دقة التمييز بين السقوط والأنشطة العادية. استُخدمت استراتيجية التعلم بالنقل من خلال إعادة استخدام الأوزان المُدربة مُسبقًا على بيانات واسعة النطاق، مما ساعد على تقليل وقت التدريب وتحسين دقة النموذج. تم بعد ذلك تدريب إصدارات متعددة من وضعيتي YOLOv11-pose وYOLOv8-pose باستخدام إعدادات معلمات فائقة موحدة لتحقيق مقارنة عادلة. أشارت النتائج التجريبية إلى أن جميع النماذج حققت أداءً جيدًا في كشف السقوط، بينما كانت النماذج الأصغر حجمًا مثل YOLOv11s-pose مثالية للكشف عن السقوط، بمعدل إطارات مرتفع جدًا في الثانية  (FPS) يبلغ حوالي 147 إطارًا، مع معدل mAP@50 بنسبة 99.07% ودرجة F1 بنسبة 97.9%، مما يجعلها مناسبة للتطبيقات التي تتطلب سرعة استجابة عالية.

         حيث حققت النماذج الأكبر حجمًا مثل YOLOv11m-pose معدل mAP@50 بدقة 99.3% ، بينما حقق نموذج YOLOv8n-pose  معدل mAP@50 بدقة 98.7%، وبمعدل إطارات يبلغ 192 إطارًا في الثانية . توضح هذه النتائج إمكانات هذا النهج المتكامل في كشف السقوط وتقدير الوضعية بدقة وسرعة عالية، مع إمكانية تطبيقه على الأجهزة محدودة الموارد

تألفت لجنة المناقشة من السادة:

1.أ.م.د. سعدي حمد ثلج    جامعة تكريت /كلية علوم الحاسوب والرياضيات          رئيساً

2. أ.م. حازم نومان عبد     جامعة ديالى  /كلية علوم الحاسوب                        عضواً

3. أ.م. وسام داود عبدالله       جامعة تكريت   /كلية علوم الحاسوب والرياضيات      عضواً

4. أ. م .د. مهند ذياب مهدي     جامعة تكريت /كلية علوم الحاسوب والرياضيات     عضواً ومشرفاً

هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا، من جانبه قدم السيد عميد الكلية الأستاذ المساعد الدكتور محمود ماهر صالح المحترم كتاب شكر وتقدير الى الدكتور حازم نومان عبد تثميناً لجهوده العلمية في تقييم هذه الرسالة .

نوقشت اليوم الخميس  الموافق 20-11-2025 في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (برهان الدين غازي عناد ) الموسومة:

(Detecting Sources of Water Pollution Using Deep Learning Techniqus)

بإشراف (أ.م. ارمانيسه نعمان حسون)

هذا وقد جاء في مستخلص الدراسة ما يلي:

يُشكل تلوث المياه السطحية تحديًا بيئيًا بالغ الأهمية، لا سيما في الأنهار والمسطحات المائية، حيث تُهدد النفايات العائمة ومياه الصرف الصحي النظم البيئية والصحة العامة بشكل مباشر. وتُعدّ أنظمة الرصد التقليدية للكشف عن مصادر تلوث المياه غير كافية من حيث الدقة والسرعة. وعلى الرغم من أن أساليب التعلم العميق تُتيح إمكانية سرعة الكشف في الوقت الفعلي، إلا أنها لا تزال بحاجة إلى مزيد من التحسين. في هذه الدراسة، يُقترح نظام مُدمج يجمع بين التعلم العميق والطائرات بدون طيار لمراقبة التلوث بسرعة ودقة وعلى نطاق واسع، مما يُسهّل الإدارة المستدامة للمياه. لذلك، تُركز هذه الدراسة على استخدام نماذج YOLOv8 وYOLOv11 وYOLOv12 للكشف عن مصدرين للتلوث، وهما النفايات العائمة ومياه الصرف الصحي على سطح مياه النهر، وذلك في نظام آني.

تكون النموذج من خمس مراحل: (جمع البيانات، والمعالجة المسبقة لمجموعة البيانات، وتدريب النموذج وتقييمه، وبناء نظام كشف آني). يعمل النظام عن طريق عكس بثّ الطائرة الظاهر على شاشة الهاتف المتصل بالطائرة إلى الحاسوب، حيث يُلتقط البث ككاميرا افتراضية عبر تطبيق Open Broadcaster Software Studio OBS) ) ويُدرَج في بيئة Python لمعالجة البثّ وتحليل الإطارات بالاعتماد على نموذج YOLO. ويوفّر النظام لوحة معلومات مباشرة تتضمّن عدّ الكائنات، ونسبة تغطية التلوّث، ومعدّل الإطارات في الثانية (FPS)، إضافةً إلى تنبيهات صوتية وإشعارات عبر Telegram مع منع التكرار للإشعارات.

قدم النموذج المُدرّب نتائج واعدة. يحقق YOLOv11n قيم عالية لـ mAP@50 البالغة 98.25، ودقة 95.6%، واستدعاء 95.4%، ودرجة F1 البالغة 95.5% . بالإضافة إلى ذلك، يستهلك النموذج 8.8 ميلي ثانية لكل إطار، أي ما يُقارب 114 إطارًا في الثانية للمعالجة. أظهر النشر الميداني تشغيلًا متينًا ومستمرًا، مع تنبيهات دقيقة ووقت استجابة مناسب للتدخل السريع. تؤكد النتائج جدوى حل مراقبة آني منخفض التكلفة، وتُبرز فعالية دمج بث الطائرات بدون طيار مع YOLO لمراقبة التلوث فورًا.

تألفت لجنة المناقشة من السادة:

1.أ.م.د. ماجد حامد علي     جامعة تكريت /كلية علوم الحاسوب والرياضيات                رئيساً

2. أ.م. سلوى خالد عبداللطيف     جامعة تكريت /كلية علوم الحاسوب والرياضيات          عضواً

3. أ.م. بلال عبدالرحمن طعمة    جامعة سامراء /كلية العلوم التطبيقية                         عضواً

4. أ. م . ارمانيسة نعمان حسون  جامعة تكريت /كلية علوم الحاسوب والرياضيات     عضواً ومشرفاً

هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا، من جانبه قدم السيد معاون العميد للشؤون العلمية الاستاذ المساعد الدكتور ماجد حامد علي المحترم  كتاب شكر وتقدير للأستاذ بلال عبدالرحمن طعمة تثميناً لجهوده العلمية في تقييم هذه الرسالة.

نوقشت اليوم الاثنين الموافق 24-11-2025 في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (احمد فكرت نجاة ) الموسومة:

(Intelligent Multi-Factor Authentication System Using QR code and Two Physiological Biometric Traits Based Machine Learning)

بإشراف (أ.م.د. سعد حمد ثلج)

هذا وقد جاء في مستخلص الدراسة ما يلي:

تعاني أنظمة المصادقة الأحادية من ضعف أمني يتمثل في سهولة اختراقها من قبل المستخدمين غير

المصرح لهم أو المخترقين، مما يجعلها عرضة للوصول للمشروع. كما أن المصادقة التقليدية التي تعتمد على اسم المستخدم وكلمة المرور تكون أكثر عرضة للنسيان أو سرقة رمز الدخول.

يدفع ذلك نحو الاعتماد على أنظمة المصادقة الثنائية العوامل، والتي تعد من الطرق الفعّالة لرفع

مستوى الأمان، من خلال الاعتماد على ثلاثة عوامل مختلفة.

في هذه الدراسة، تم اقتراح نظام مصادقة ذكي متعدد العوامل (IMFAS)، من خلال دمج مستويين هما: التعرف على الوجه وبصمة الأصبع، وكلاهما يعتمدان على تقنيات التعلم الآلي، بالإضافة إلى رمز الاستجابة السريعة (QR Code) في نظام موحد.

كما تهدف هذه الدراسة إلى تقييم أداء ودقة خوارزميات التعلم الآلي في تصنيف البيانات البيومترية، مدى كفاءتها في دعم أنظمة المصادقة متعددة العوامل، واستخراج النتائج المثلى من تقنيات المصادقة، ومقارنة الخوارزميات المختلفة لاختيار الأنسب لدعمه في النظام الأمني.

تم استخدام ستة خوارزميات (SVM، LR، RF، Naive Bayes، KNN، DT) وأربع مجموعات بيانات، اثنتان منها تم جمعها ضمن هذا العمل. وفي مرحلة المعالجة المسبقة تم تحويل الصور إلى رمادية، ثم تحسين التباين باستخدام لوغاريتم، وتحويلها إلى ثنائية باستخدام العتبة التكيفية. في بصمات الأصابع تم تطبيق تقنية (Thinning) لإبراز الحواف، واستخدمت خوارزميات (HOG + PCA) لاستخراج الميزات.

أظهرت النتائج أن خوارزمية SVM حققت دقة بلغت %89.24 في التعرف على بصمات الأصابع، بينما حققت خوارزمية LR دقة بلغت %93.36 في التعرف على الوجه. وعند إدخال جميع العينات، تمكن النظام من التعرف على 89 بصمة من أصل 100، وفشل في التعرف على 11 بسبب ضعف جودة تلك العينات، بينما نجح في التعرف على 100 صورة وجه بنسبة تعرف100‎%‎.

تألفت لجنة المناقشة من السادة:

1.أ.م.د. مصحب لزام شوندي    جامعة تكريت /كلية علوم الحاسوب والرياضيات          رئيساً

2. أ.م. مروى اديب محمد     جامعة تكريت /كلية علوم الحاسوب والرياضيات          عضواً

3. م.د. إبراهيم محمد احمد      جامعة الموصل  /كلية علوم الحاسوب والرياضيات      عضواً

4. أ. م .د. سعدي حمد ثلج    جامعة تكريت /كلية علوم الحاسوب والرياضيات     عضواً ومشرفاً

هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا، من جانبه قدم السيد عميد الكلية الأستاذ المساعد الدكتور محمود ماهر صالح المحترم كتاب شكر وتقدير الدكتور إبراهيم محمد احمد تثميناً لجهوده العلمية في تقييم هذه الرسالة.

نوقشت اليوم الخميس  الموافق 6-11-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحثة (سوسن جاسم محمد ) الموسومة:

(Effective Congestion Control in the Network Using Deep Reinforcement)

بإشراف (أ.م.د. ماجد حامد علي)

هذا وقد جاء في مستخلص الدراسة ما يلي:

إن النمو المتسارع للتطبيقات ذات المتطلبات الزمنية الفورية والاستهلاك العالي للنطاق الترددي قد جعل من التحكم في الازدحام تحدياً جوهرياً في الشبكات الحديثة. إذ تعتمد أساليب إدارة الطوابير النشطة (AQM) التقليدية، مثل خوارزمية BLUE، على أحداث فقدان الحزم وخمول الوصلة فقط لضبط احتمالية الإسقاط. إلا أن هذا النطاق الضيق من التغذية الراجعة لا يؤدي فقط إلى تأخير استجابتها للتغيرات السريعة في حركة المرور، بل يمنعها أيضاً من تكوين رؤية شاملة لحالة الازدحام داخل الشبكة.

وللتغلب على هذه القيود، تقترح هذه الدراسة تطوير خوارزمية BLUE بدعم من تقنيات التعلم المعزز العميق. (DRL) وتتمثل المساهمة الأساسية في جانبين رئيسيين: أولاً، تحسين أداء BLUE من خلال إدخال متوسط طول الطابور المتحرك (avg) كمؤشر إضافي للازدحام؛ وثانياً، توظيف وكيل DRL من أجل الضبط الديناميكي لمعامل الوزن (wq) الذي يتحكم بحساسية BLUE عبر. avg هذا التكامل يمكّن الخوارزمية من استشعار إشارات ازدحام أكثر تنوعاً واتخاذ قرارات تكيفية في الزمن الحقيقي.

تم تصميم إطار DRL-BLUE المقترح وتدريبه باستخدام MATLAB مع فضاءات أفعال منفصلة DQN ومستمرّة مثل DDPG، PPO وقد أظهرت المقارنة بين خوارزمية BLUE التقليدية ونظيراتها المطوّرة بالاعتماد على DRL يحسّن الأداء باستمرار عبر ظروف الشبكة المختلفة. حيث حققت النماذج المطوّرة معدل انتاجية أعلى، وزمناً أقل للتأخير، وانخفاضاً في معدل فقدان الحزم، مما يعكس قدرة تكيفية متفوقة مقارنة بـ BLUE الأصلية. ومن بين هذه النماذج، قدّم BLUE_DDPG نتائج الأكثر توازناً وثباتاً، مؤكداً فعالية التحكم بالازدحام المعتمد على DRL.

تألفت لجنة المناقشة من السادة:

1.أ.م.د. احمد سعدي عبدالله     جامعة تكريت /كلية علوم الحاسوب والرياضيات          رئيساً

2. أ.م.د. احمد جبار عبيد     جامعة الكوفة /كلية علوم الحاسوب والرياضيات          عضواً

3. أ.م. سلوى خالد عبداللطيف  جامعة تكريت /كلية علوم الحاسوب والرياضيات     عضواً

4. أ. م .د. ماجد حامد علي  جامعة تكريت /كلية علوم الحاسوب والرياضيات     عضواً ومشرفاً

هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا، من جانبه قدم السيد عميد الكلية الأستاذ المساعد الدكتور محمود ماهر صالح المحترم  كتاب شكر وتقدير للدكتور احمد جبار عبيد تثميناً لجهوده العلمية في تقييم هذه الرسالة.