تطبيق يسجل حضور الطلاب بالتعرف على الوجه عبر YOLO وOpenCV، مع مؤقت زمني يميز المتأخرين ويرفض غير المسجلين ويصدّر قائمة الحاضرين إلى Excel.
مشروع أكاديمي نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز لتطوير تطبيق يسجل حضور الطلاب في المحاضرات عبر التعرف على الوجه، مع مؤقت زمني يحدد الفترة المسموح بها للحضور. تلتقط الكاميرا إطارات القاعة بشكل مستمر أثناء المحاضرة، ويكشف النظام الوجوه فيها بخوارزمية YOLO عبر مكتبة Ultralytics، ثم يقارنها بصور الطلاب المخزنة مسبقًا، ويسجل اسم كل طالب يتعرف عليه تلقائيًا.
عند انتهاء المحاضرة يُصدِّر التطبيق ملف Excel يضم أسماء الطلاب الحاضرين وتوقيتات دخولهم. وتنص قواعد النظام على اعتبار من يصل بعد انتهاء الفترة المسموح بها غائبًا أو متأخرًا، ورفض تسجيل أي شخص غير مسجل لتلك القاعة، ومسح بيانات الجلسة تلقائيًا استعدادًا للمحاضرة التالية. يمثل المشروع نموذجًا أوليًا عاملًا، ولا يتضمن تقريره قياسات كمية لدقة التعرف.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نموذج أولي لتطبيق حضور قائم على الرؤية الحاسوبية |
| المجال | الذكاء الاصطناعي، الرؤية الحاسوبية، التعرف على الوجه، الإدارة التعليمية |
| حالة المشروع | نموذج أولي منفذ بواجهة تعرف مباشرة وتصدير إلى Excel |
| دور تكنو إنجاز | دعم ومساعدة تقنية للطلاب أثناء تطوير المشروع |
| تقنيات أساسية | Python، YOLO (مكتبة Ultralytics)، OpenCV، Anaconda، Jupyter Notebook، Visual Studio Code |
| المخرجات | تعرف آلي على وجوه الطلاب، تسجيل الحضور بتوقيت الدخول، ملف Excel بأسماء الحاضرين |
تعتمد معظم المؤسسات التعليمية حتى الآن على القوائم الورقية أو المناداة أو التوقيع اليدوي لتسجيل الحضور. هذه الطرق تستهلك جزءًا من وقت المحاضرة، وتتعرض لأخطاء بشرية مثل نسيان تسجيل بعض الأسماء أو تكرارها، وتسمح بالتلاعب عبر التوقيع بالنيابة عن زملاء غائبين. ومع كبر أعداد الطلاب يصبح تتبع الغياب والتأخير يدويًا عبئًا إداريًا متزايدًا.
أما البطاقات وأرقام التعريف وأجهزة البصمة فتحسن الدقة نسبيًا، لكن البطاقة قد تُنسى أو تُعار، والأهم أن كثيرًا من هذه الأنظمة يسجل الحضور دون اعتبار لتوقيت الدخول؛ فالطالب الذي يصل متأخرًا قد يُسجَّل حاضرًا كغيره. ومن هنا انطلق المشروع من فكرة الجمع بين التحقق من الهوية ببصمة الوجه وآلية زمنية تفرق بين الملتزم بالموعد والمتأخر، وتمنع تسجيل غير المصرح لهم.
نُفذ المشروع أكاديميًا بواسطة الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن أعمال المكتب مثالًا على دعمه للمشاريع التطبيقية التي توظف الرؤية الحاسوبية والتعرف على الوجه في أتمتة العمليات الإدارية.
حدد المشروع مجموعة أهداف، أبرزها:
يوضح مخطط خوارزمية العمل في المشروع تسلسل المعالجة التالي:
بحسب نطاق العمل الموصوف في المشروع، تحكم النظام القواعد التالية:
| القاعدة | ما يحدث |
|---|---|
| الفترة المسموح بها | يُعد الطالب حاضرًا إذا تعرف عليه النظام ضمن الفترة الزمنية المحددة للمحاضرة |
| التأخر | من يدخل بعد انتهاء الوقت المسموح يُسجَّل متأخرًا أو غائبًا تلقائيًا |
| غير المسجلين | يرفض النظام تسجيل حضور أي شخص غير مسجل في قاعدة بيانات القاعة |
| نهاية المحاضرة | تُمسح بيانات الجلسة تلقائيًا لتجهيز النظام للمحاضرة التالية دون تدخل يدوي |
| الأداة | دورها في المشروع |
|---|---|
| Anaconda | إدارة الحزم وإنشاء بيئات افتراضية مستقلة تتجنب تعارض الإصدارات |
| Visual Studio Code | المحرر الرئيسي لكتابة الشيفرة وتصحيحها |
| Jupyter Notebook | تنفيذ الخوارزميات تفاعليًا وتوثيق كل خطوة مع نتائجها |
| OpenCV | معالجة الصور ومهام الرؤية الحاسوبية والتعامل مع الكاميرا |
| Ultralytics | تشغيل إصدارات YOLO الحديثة لكشف الوجوه في الزمن الحقيقي |
| Microsoft Excel | ملف المخرجات الذي يضم أسماء الطلاب وتوقيتات الدخول |
يعرض الفصل التطبيقي من المشروع مخرجين رئيسيين:
تثبت هذه المخرجات عمل المسار الأساسي من التقاط الإطار حتى ملف الحضور. لكن المشروع لا يعرض قيمًا كمية خاصة به مثل نسبة التعرف الصحيح أو معدل الخطأ أو عدد الطلاب في الاختبار أو زمن المعالجة، لذلك لا تُنسب إلى هذه النسخة نسب دقة محددة. أما نسب الدقة المرتفعة الواردة في استعراض الدراسات السابقة فتخص أنظمة أخرى وليست نتائج لهذا التطبيق.
يحدد المشروع نفسه عددًا من القيود التي تؤطر استخدامه:
بحسب الآفاق الواردة في المشروع، يمكن تطوير التطبيق عبر:
يعالج النظام صور وجوه الطلاب، وهي بيانات بيومترية حساسة. لذلك يحتاج أي استخدام فعلي إلى موافقة واضحة من الطلاب، وتحديد من يحق له الوصول إلى الصور المرجعية وملفات الحضور، وسياسة معلنة لمدة الاحتفاظ بها وحمايتها.
إذا كنت تعمل على تطبيق حضور بالتعرف على الوجه 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 نفذه فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، يسجل حضور الطلاب في المحاضرة تلقائيًا عبر التعرف على وجوههم بالكاميرا. ويجمع بين التحقق من الهوية ومؤقت زمني يحدد الفترة المسموح بها للحضور، ثم يصدّر قائمة الحاضرين إلى ملف Excel.
يحمّل النظام نموذج YOLO وصور الطلاب المسجلين، ثم يلتقط إطارات الكاميرا باستمرار أثناء الحصة ويكشف الوجوه فيها. تُقارن الوجوه المكتشفة بالصور المخزنة، ويُحفظ اسم كل طالب يُتعرف عليه مع توقيت دخوله، وعند انتهاء المحاضرة يُستخرج ملف Excel بالحاضرين.
يُعد الطالب حاضرًا إذا تعرف عليه النظام ضمن الفترة المحددة للمحاضرة، ومن يدخل بعد انتهائها يُسجَّل متأخرًا أو غائبًا تلقائيًا. كما يرفض النظام تسجيل أي شخص غير مسجل في قاعدة بيانات القاعة، ويمسح بيانات الجلسة عند انتهاء المحاضرة استعدادًا للمحاضرة التالية.
استخدم المشروع خوارزمية YOLO عبر مكتبة Ultralytics لكشف الوجوه في الزمن الحقيقي، ومكتبة OpenCV لمعالجة الصور والتعامل مع الكاميرا. وجرى التطوير ضمن بيئة Anaconda باستخدام Visual Studio Code وJupyter Notebook، مع إخراج الحضور في ملف Microsoft Excel.
يوثق المشروع واجهة تتعرف على وجوه الطلاب وتسجل حضورهم تلقائيًا، وملف Excel بأسماء الحاضرين وتوقيتات دخولهم، لكنه لا يعرض قياسات كمية لدقة التعرف. ويعمل النظام في قاعات مغلقة بكاميرات عالية الدقة وإضاءة مناسبة، وقد يتعثر مع الأقنعة أو الإضاءة المنخفضة، ولا يحتفظ بالسجلات بعد المحاضرة ما لم يُربط بنظام أرشفة خارجي.
تواصل مع فريق تكنو إنجاز لمناقشة قابلية التنفيذ العملي، اختيار القطع، وتطوير النموذج الأولي.
نماذج تطبيقية ومنظومات برمجية وهندسية منجزة بدعم المكتب
لوح افتراضي يتيح الكتابة والرسم واختيار الألوان والمسح بإيماءات اليد أمام الكاميرا، مبني بلغة Python مع MediaPipe لتتبع الأصابع وOpenCV لمعالجة الفيديو.
نموذج أولي يكشف الأشخاص بـ YOLOv8 ويتتبعهم بـ DeepSORT داخل مناطق عمل محددة، ويحسب زمن التواجد بالثواني ويصدّر السجلات إلى Excel، مختبر على فيديو مكتبي.
نموذج أولي لمراقبة الامتحانات يستخدم YOLO وMediaPipe وOpenCV لتحليل اتجاه رأس الطالب، فيؤشر الالتفات بإطار أحمر للمراجعة والتوجه الأمامي بإطار أخضر.
