نظام ذكي لمراقبة الالتزام بارتداء معدات الوقاية الشخصية (PPE) في القطاع الصحي

برمجة بايثون تعلم الآلة التعلم العميق الذكاء الاصطناعي هندسة البرمجيات تطوير البرمجيات برمجة بايثون تعلم الآلة التعلم العميق الذكاء الاصطناعي هندسة البرمجيات تطوير البرمجيات

المشروع جاهز بالكامل ومعه البيانات (CPPE-Dataset-main.zip) ويحتوي على: ملفات الكود الجاهزة (live_ppe_monitor_zones.py, zones_config.example.json, .env.example). بيانات تدريب CPPE-5 Dataset (تشمل الصور والفئات: Mask, Gloves, Goggles, Face_Shield, Coverall/Gown). منطق فحص الالتزام بالـ PPE لكل منطقة عزل (Standard / Contact / Droplet / Airborne). ? مهمة المستقل فك ضغط الداتا وربطها بالمشروع. تأكد من أن مسارات الصور والتعليقات تُقرأ بشكل صحيح من CPPE-Dataset-main. اختبار عرض البيانات (Visualization). شغّل الداتا وتحقق من أن الفئات الخمس تظهر بشكل صحيح على الصور. تهيئة وتشغيل سكربت المراقبة المباشر: تشغيل live_ppe_monitor_zones.py باستخدام نموذج YOLOv8 (يمكن استخدام نموذج عام أو إعادة تدريب على CPPE-5). اختبار جميع أنواع المناطق (Standard, Contact, Droplet, Airborne). التأكد أن النظام يعرض الرسائل الصحيحة (مثلاً: Missing: Gown في حالة Contact Zone). ضبط الإيميل للتنبيهات: إعداد ملف .env لتفعيل إرسال اللقطات عبر البريد الإلكتروني عند اكتشاف مخالفة. تحسين الأداء حسب الحاجة: تعديل ملف zones_config.json إذا لزم لتغيير متطلبات كل نوع من العزل. تحسين سرعة الكشف أو وضوح العرض في واجهة OpenCV. (اختياري) إعداد نموذج YOLOv8 مُدرّب على CPPE-5 لرفع دقة الكشف. توثيق التشغيل: إعداد ملف README بخطوات التشغيل من البداية للنهاية (الأوامر، الإعدادات، طريقة تشغيل كل Zone). المخرجات النهائية المطلوبة نظام جاهز للتشغيل يعرض البث المباشر ويكتشف معدات الوقاية بدقة. إرسال تنبيه بالإيميل مع الصورة عند وجود مخالفة. دليل تشغيل واضح للمستخدم النهائي. لقطات أو فيديو قصير يُظهر النظام أثناء العمل.