نظام تعليمي تفاعلي للأطفال يتعرف على الأشياء عبر الكاميرا بخوارزمية YOLOv8 وينطق أسماءها، ويحدد الألوان بنموذج HSV، ويتعرف على محتوى الصور المحمّلة.
مشروع أكاديمي نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز لتطوير نظام تعليمي تفاعلي للأطفال يعتمد على الذكاء الاصطناعي ومعالجة الصور. يوجّه الطفل الكاميرا نحو شيء من محيطه، مثل كوب أو كرة أو كتاب، فيتعرف النظام عليه ويعرض اسمه على الشاشة وينطقه بصوت مسموع، كما يحدد لون الشيء الموضوع أمام الكاميرا، ويتعرف على الأشياء الموجودة في صورة يحمّلها المستخدم من الجهاز.
بُني النموذج العامل بلغة Python، ويعتمد على YOLOv8 (عبر مكتبة ultralytics) للتعرف على الأشياء، وعلى نموذج الألوان HSV مع OpenCV لتحديد الألوان، وعلى Tkinter لواجهة رسومية من ثلاثة أزرار. نجح النموذج في أداء مهامه الثلاث في التجارب العملية الموثقة، ولم يعرض المشروع قياسات كمية للدقة، لذلك تُقدَّم نتائجه بوصفها إثباتًا وظيفيًا لنموذج أولي.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نظام تعليمي تفاعلي قائم على الرؤية الحاسوبية |
| المجال | تكنولوجيا التعليم، الذكاء الاصطناعي، معالجة الصور |
| حالة المشروع | نموذج أولي عامل على الحاسوب، مختبر على أشياء وألوان وصور متنوعة |
| دور تكنو إنجاز | دعم ومساعدة تقنية للطلاب أثناء تطوير المشروع |
| تقنيات أساسية | Python، YOLOv8 (ultralytics)، OpenCV، HSV، Tkinter، Anaconda |
| المخرجات | التعرف على الأشياء مع نطق أسمائها، كشف الألوان، التعرف على محتوى الصور المحمّلة |
ينطلق المشروع من أن السنوات الأولى من حياة الطفل هي الأكثر تأثيرًا في تكوين قدراته الفكرية واللغوية، وأن التعليم التقليدي كثيرًا ما يركز على التلقين ويجعل المعلم المصدر الوحيد للمعلومة، ولا يوفر أساليب تفاعلية تحفز الطفل على الاستكشاف والتعلم بالتجربة.
والأطفال يتعلمون بطبيعتهم عبر الملاحظة والتفاعل مع الأشياء من حولهم. لذلك سعى المشروع إلى أداة تربط الطفل مباشرة بمحيطه: حين يوجه الكاميرا نحو كرة أو زهرة ويسمع اسمها فورًا، يرتبط الاسم بالشيء الحقيقي، ويضيف التعرف على الألوان بُعدًا آخر للتعلم البصري.
نُفذ المشروع أكاديميًا بواسطة الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن أعمال المكتب مثالًا على دعمه للمشاريع التعليمية التي توظف الرؤية الحاسوبية والذكاء الاصطناعي في أدوات موجهة للأطفال.
يعمل النظام عبر واجهة رسومية بثلاثة أزرار، لكل زر مهمة مستقلة:
يفصل نموذج HSV بين درجة اللون (Hue) والتشبع (Saturation) والسطوع (Value)، وهذا ما يجعل تحديد نطاق لكل لون أقل تأثرًا بتغير الإضاءة مقارنة بنموذج RGB. ويشرح الكتاب أسلوب العتبات اللونية (HSV Thresholding) المعتمد على OpenCV في الخطوات التالية:
cvtColor، حيث تمتد قيم Hue من 0 إلى 179، وقيم Saturation وValue من 0 إلى 255.inRange، ثم تنقيته بعمليتي التآكل والتوسع (Erosion وDilation).findContours وتجاهل المساحات الصغيرة، ثم كتابة اسم اللون فوق الجسم المكتشف.| الأداة | دورها في المشروع |
|---|---|
| Python | لغة التطوير الرئيسية |
| Anaconda | إنشاء بيئة برمجية معزولة بإصدار محدد من Python لتجنب تعارض الحزم |
| OpenCV | التقاط الفيديو ومعالجة الصور وتحليل الألوان |
| YOLOv8 (ultralytics) | التعرف على الأشياء في البث المباشر والصور المحمّلة |
| Tkinter | بناء الواجهة الرسومية ذات الأزرار الثلاثة |
| Jupyter Notebook وVS Code | بيئات كتابة الأكواد وتجربتها |
اختُبرت المهام الثلاث عمليًا، وجاءت النتائج كما يصفها المشروع:
| المهمة | ما اختُبر | النتيجة الموثقة |
|---|---|---|
| التعرف على الأشياء ونطق أسمائها | أشياء متنوعة أمام الكاميرا مثل كرة وكتاب وقلم، في إضاءة مختلفة | تعرّف على الأشياء بدقة جيدة، خصوصًا في الإضاءة الجيدة، وعرض اسم "كوب" مع نطقه في المثال الموثق |
| كشف الألوان | ألوان أساسية مثل الأحمر والأخضر والأزرق في ظروف إضاءة مختلفة | حدد لون الشيء وعرضه على الشاشة |
| التعرف على محتوى صورة محمّلة | صور تحتوي حيوانات وأدوات منزلية | تعرّف على الأشياء وكتب أسماءها، ومنها التعرف على قطة في المثال الموثق |
خلص المشروع إلى أن النظام أدى المهام الثلاث أداءً جيدًا ومتسقًا وحقق الأهداف المرجوة. لكن الكتاب لا يعرض قيمًا كمية خاصة بالمشروع مثل الدقة أو الاستدعاء أو mAP أو سرعة المعالجة، ولا عدد عينات الاختبار، كما يذكر في خاتمته تفاعلًا إيجابيًا للأطفال دون عرض منهجية أو بيانات لهذا التقييم. أما نسب الدقة الواردة في الفصل النظري فتعود إلى دراسات أخرى ولا تمثل نتائج هذا النظام.
بحسب المقترحات الواردة في المشروع، يمكن تطوير النظام عبر:
إذا كنت تعمل على تطبيق تعليمي يعتمد على الرؤية الحاسوبية وتحتاج إلى مساعدة تقنية في تطوير الفكرة أو بناء نموذج أولي، يمكن التواصل مع مكتب تكنو إنجاز لمناقشة متطلبات المشروع ونطاق الدعم المناسب.
هو نموذج أولي لنظام تعليمي تفاعلي نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز. يوجه الطفل الكاميرا نحو شيء من محيطه فيعرض النظام اسمه وينطقه بصوت مسموع، كما يحدد لون الشيء ويتعرف على الأشياء في الصور المحمّلة، بهدف توسيع مفردات الطفل وربط الأسماء بالأشياء الحقيقية.
تضم الواجهة الرسومية ثلاثة أزرار: الأول يشغل الكاميرا ليتعرف نموذج YOLOv8 على الشيء الظاهر ويعرض اسمه وينطقه، والثاني يحمّل صورة من الجهاز فيكتب النظام أسماء الأشياء الموجودة فيها، والثالث يحدد لون الشيء الموضوع أمام الكاميرا بعد تحويل الإطار إلى نموذج الألوان HSV.
بُني النظام بلغة Python داخل بيئة Anaconda، ويستخدم YOLOv8 عبر مكتبة ultralytics للتعرف على الأشياء، وOpenCV لالتقاط الفيديو ومعالجة الصور، ونموذج HSV لتحليل الألوان، وTkinter لبناء الواجهة. واستُخدمت Jupyter Notebook وVS Code لكتابة الأكواد وتجربتها.
اختُبر النظام على أشياء مثل كرة وكتاب وقلم وكوب في إضاءة مختلفة، وعلى ألوان أساسية كالأحمر والأخضر والأزرق، وعلى صور تحتوي حيوانات وأدوات منزلية، ونجح في المهام الثلاث وكان أفضل في الإضاءة الجيدة. لكن المشروع لم يعرض قيمًا كمية للدقة أو السرعة، لذلك تمثل النتائج إثباتًا وظيفيًا لنموذج أولي.
تتأثر دقة كشف الألوان بالإضاءة والانعكاسات والظلال، ويحدث التباس بين الأجسام المتشابهة أو المحجوبة جزئيًا، ويقل الأداء على الأجهزة الضعيفة ومع الصور الضبابية. كما أن النسخة الموثقة تطبيق حاسوبي، ويبقى تطبيق الهاتف ودعم لغات متعددة والألعاب التعليمية ضمن التطويرات المقترحة.
تواصل مع فريق تكنو إنجاز لمناقشة قابلية التنفيذ العملي، اختيار القطع، وتطوير النموذج الأولي.
نماذج تطبيقية ومنظومات برمجية وهندسية منجزة بدعم المكتب
نظام تعليمي للأطفال يتعرف عبر الكاميرا على الحيوانات بـ YOLO11 والألوان بـ HSV والأرقام بـ OCR، ويعرض النتيجة وينطقها بصوت عربي مسجل.
نظام رؤية حاسوبية يكشف السكين والمسدس لحظيًا من كاميرا الحاسوب أو الهاتف بنموذجي YOLOv8 مدربين، ويحدد موقع السلاح بإطار داخل الصورة باستخدام Python وOpenCV.
نظام أمني لمحال الذهب يكشف الأسلحة بـYOLO والعنف بشبكة RNN والاختلاس بـMediaPipe، مع حساسي حركة ولهب على NodeMCU وتنبيهات فورية عبر Telegram.