ناقش الطالب حمزة خلدون الخطيب رسالة الماجستير المعنونة التعرف على المخلوقات المائية المموهة الخطرة بناءً على التعلم الآلي: الأسماك الحجرية السامة كدراسة حالة

بتاريخ 16/12/2024

اشراف الدكتور نواف عمر نواف السريحين

وعضوية

أ.د. خالد نهار النواصرة

د. محمد أحمد الزعبي

د. رأفت موسى الشرمان



ملخص الرسالة :

حمزه خلدون الخطيب ، التعرف على الكائنات المائية الخطيرة المتخفية باستخدام التعلم الآلي: الأسماك الحجرية السامة كدراسة حالة

رسالة ماجستير، جامعة اليرموك (2024)، (المشرف: د. نواف السريحين) (المشرف المشارك: د. خالد محمد النهار)



تعتبر الأسماك الحجرية السامة، والمعروفة علميًا باسم Synanceia ، من أخطر الأسماك البحرية. تعيش هذه الأسماك بشكل رئيسي في المياه الضحلة في المحيطين الهندي والهادئ، حيث توجد غالبًا في المناطق الرملية والحصوية بالقرب من الشعاب المرجانية. وبفضل قدرتها الممتازة على التمويه بين الصخور والشعاب المرجانية، فإن شكلها يشبه الصخور إلى حد كبير، مما يجعل اكتشافها صعبًا للغاية ويشكل خطرًا كبيرًا على الغواصين والسباحين الذين قد يصادفونها دون أن يلاحظوا وجودها.



هدفت الدراسة إلى استخدام تقنيات التعلم العميق والتعلم الآلي للتعرف على الأسماك الحجرية السامة. تم استخدام مجموعات البيانات من مصادر متعددة مثل Kaggle وSaltwater و Dreamtime لتدريب نماذج التعلم العميق، مما سمح بمجموعة واسعة ومتنوعة من البيانات. لضمان تقييم دقيق وشامل لأداء النموذج، تم استخدام مقاييس الدقة والدقة والتذكر ودرجة F1.



أظهرت النتائج أن النهج القائم على الشبكة العصبية العميقة كان فعالاً ودقيقًا في اكتشاف الأسماك الحجرية السامة. تفوقت نماذج التعلم العميق بشكل كبير على نماذج التعلم الآلي التقليدية، مما زاد من الثقة في استخدامها لتطبيقات متعددة تتطلب دقة عالية في التعرف والكشف. حقق نموذج الشبكة العصبية التلافيفية (CNN) أداءً رائعًا بمعدل دقة 98.9٪، بينما حقق نموذج آلة الدعم المتجه (SVM) معدل دقة 95.6٪