الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 109 |  |  |
| | | from | 109 | | |
Abstract
هناك زيادة كبيرة حول العالم فى عدد ضعاف البصر وفاقديه ولذلك اهتم الباحثون بتقديم حلول تقنية هدفها تقديم المساعدة لهؤلاء الفئة من البشر حيث تمكنهم تلك التكنولوجيا من الاستفادة بالاشياء التى يستفيد منها البشر العاديين وتجعلهم يستمتعوا بكل شيء فقدوه لكونهم يشكلون جزءاً كبيراً من عدد ذوى الإحتياجات الخاصة. فى هذه الرسالة تم التركيز على توفير بعض الحلول التقنية لحل بعض المشاكل التى تتعرض لها هذه الفئة. المشكلة الاولى الذى قمنا على حلها وتقديم نظام لحلها هو عدم قدرة ضعاف البصر على التعرف على قيمة العملات التى يملكونها . نتيجة لذلك يمكن سرقتهم وغشهم. المشكلة الثانية هي عدم توثيق الاوراق المهمه كالشيكات والعقود بطريقة اّمنة تضمن انهم اصحاب هذه العقود او اصحاب هذه الشيكات فى المؤسسات الرسمية بدون ان يقوم شخص ما بانتحال شخصيتهم.لقد قمنا بتقديم طريقتان لحل المشكلة الاولى وهى التعرف على قيمة العملات المصرية بسهولة. الاولى هى عبارة عن نظام على الموبايل الذي يعمل بنظام الاندرويد يستخدم الكاميرا الخلفية لالتقاط صورة العملة وبعد اخذ الصورة اوتوماتيكيا يتم تطبيق خوارزم لكى يتعرف على العملة ويقوم بالنطق عن طريق السماعات الخارجية ليخبر الشخص بقيمة العملة. تم عمل بعض العمليات المبدئية لازالة التشويش من على العملة باستخدام طرق معالجة الصور وايضا لاستخراج العملة فقط من الخلفية الكلية للصورة ثم قمنا بتطبيق طريقة ORB) ) على الصورة لاستخراج العناصر المميزة لها والخصائص التى بها لكى يتم مقارنتها مع الخصائص الموجودة فى قاعدة البيانات باستخدام طريقة (Hamming Distance ). لقد حققت هذه الطريقة دقة ملحوظة بدرجة 96 % على جميع فئات العملات المصرية مع وقت قصير جدا للحصول على نتيجة واحدة بزمن 0.6 من الثانية والذى يعتبر زمن قصير جداً مقارنة بأنظمة سابقة وكذلك من حيث درجة الدقة.لقد قمنا بعمل طريقة أخرى للتعرف على العملات وهى طريقة لتحسين الطريقة الاولى بحيث نصل الى نسبة دقة أعلى فبدلًا من الاعتماد على طرق استخراج خصائص الصور لقد قمنا باستخدام طريقة لتعليم الاّله التعلم العميق (وهى عبارة عن شبكات عصبية ُتستخدم لتدريب الاّله على كم هائل من الصورلذلك تم انشاء قاعدة بيانات للصور تحتوى على 1200 صورة لكل عملة (1,5,10,20,50,100,200). تم استخدام 80 % من هذه الصور فى مرحلة التعليم للاّله (960 صورة ) و 20 % المتبقية فى مرحلة التجربة للنظام (240 صورة ) ينتج عن هذه الطريقة نموذج مدرب يمكن استخدامة فى الاجهزة المحمولة الاندرويد واستخدامة فى تمييز العملات الملتقطة بالكاميرا وتحديد فئتها بدقة كبيرة تصل الى 99 % وفى وقت 0.9 ثانيه وهى دقة تتميز على الطريقة الاولى التى كانت دقتها 96 % والوقت المطلوب لعمل تجربه واحدة 0.6 وتتميز على الطرق القديمة فى الاعمال السابقة من حيث الدقة المطلوبه للتعرف على فئة العملة.