طلاب علوم الملاحة ببني سويف يطورون نظاما فرعيا لتجنب اصطدام الأقمار الصناعية

أعلن الدكتور منصور حسن رئيس جامعة بني سويف، تطوير فريق بحثي من طلاب كلية علوم الملاحة وتكنولوجيا الفضاء، تحت إشراف الدكتور أسامة شلبية عميد الكلية، نظام فرعي AI Vision للكمبيوتر؛ لتجنب اصطدام الأقمار الصناعية من خلال اكتشاف الحطام الفضائي، وتزويد الأقمار الصناعية بقدرات للكشف عن الحطام الفضائي، وتحليله في الوقت الفعلي، والذي يسهم وبشكل فعال في السلامة العامة، واستدامة العمليات الفضائية.
وأعرب رئيس الجامعة، عن سعادته بمستوى مشروعات التخرج المقدمة من طلاب أول دفعة من كلية علوم الملاحة وتكنولوجيا الفضاء، موجها الشكر لجميع القائمين على الكلية، وللطلاب، مشيدا بتلك الأفكار والمشروعات البحثية التي يمكن الاستفادة منها في مجال الملاحة والفضاء.
وأضاف الدكتور أسامة شلبية، أن مشروع التخرج، كان تحت إشراف الدكتور محمد الفران مدرس قسم الملاحة الفضائية، وبمشاركة 12 طالبا هم: "عبدالله رمضان عبدالشافي، وأحمد ولاء عيد، ومحمد رجب، وأحمد هاني، وحسام الدين فاضل، وبيشوي رودلف، وأحمد محمود محمد، وإيمان عبدالغفور، وآلاء وائل، وبسمة مجدي، وإسراء أيمن، ورقية صلاح.
ويرتكز المشروع، على تطوير وتنفيذ نظام ذكاء اصطناعي قوي للرؤية الحاسوبية يمكن الأقمار الصناعية من اكتشاف الحطام الفضائي والمناورة المستقلة؛ لتجنب الاصطدامات المحتملة.
ويهدف المشروع، إلى تصميم وتكامل نظام قائم على الرؤية الحاسوبية، قادر على اكتشاف الحطام الفضائي في الوقت الحقيقي، وتصنيفه، وتحليل مساره من خلال الاستفادة من خوارزميات التعلم العميق، حيث يشكل اصطدام الأقمار الصناعية بالحطام الفضائي تهديدًا كبيرًا لاستدامة العمليات الفضائية.
وللتخفيف من هذه المخاطر، نفذ الطلاب نظامًا فرعيًا جديدًا لتعزيز قدرات تجنب اصطدام الأقمار الصناعية من خلال دمج الذكاء الاصطناعي للرؤية الحاسوبية (AI).
وقام الطلاب، بتدريب نموذج الذكاء الاصطناعي الخاص بهم، باستخدام مجموعة بيانات متنوعة من صور الحطام الفضائي؛ لتحديد مخاطر الاصطدام المحتملة وتتبعها بدقة لضمان الجدوى والكفاءة، وتحسين نظام الذكاء الاصطناعي للعمل على متن القمر الصناعي مع الحد الأدنى من الموارد الحسابية.
وتضمنت منهجية المشروع، جمع مجموعة بيانات شاملة لصور الحطام الفضائي، تشمل مجموعة واسعة من أنواع وأحجام الحطام، من خلال استخدام الشبكات العصبية التلافيفين "CNNs"، ونقل تقنيات التعلم.
وجرى دمج النظام الفرعي في نظام الأقمار الصناعية الحالي، مع التركيز على التوافق السلس والحد الأدنى من التأثير على عملياته الإجمالية، من خلال الاختبارات الصارمة.
وأظهر النظام الذي صممه الطلاب، أداء رائعا في اكتشاف الحطام الفضائي في الوقت الفعلي.
وأشارت النتائج، إلى متوسط دقة كشف تزيد عن 95% لمختلف أحجام وأنواع الحطام؛ مما يتيح تقييم مخاطر الاصطدام في الوقت المناسب.
ونجح النظام الفرعي "AI Vision" الحاسوبي في توفير بيانات موثوقة لاتخاذ قرارات تجنب الاصطدام، وتمكين الأقمار الصناعية من ضبط مداراتها بشكل مستقل أو تنفيذ مناورات مراوغة.