طلاب علوم الملاحة ببنى سويف يطورون نظاما لتجنب اصطدام الأقمار الصناعية

من خلال اكتشاف الحطام الفضائى..

قام فريق بحثى من طلاب كلية علوم الملاحة وتكنولوجيا الفضاء تحت رعاية الدكتور منصور حسن رئيس جامعة بنى سويف، وإشراف الدكتور أسامة شلبية عميد الكلية، بتطوير نظام فرعى AI Vision للكمبيوتر لتجنب اصطدام الأقمار الصناعية من خلال اكتشاف الحطام الفضائى، من خلال تزويد الأقمار الصناعية بقدرات للكشف عن الحطام الفضائى وتحليله فى الوقت الفعلى، والذى يسهم وبشكل فعال فى السلامة العامة واستدامة العمليات الفضائية.

وأعرب رئيس الجامعة، عن سعادته بمستوى مشروعات التخرج المقدمة من طلاب أول دفعة من كلية علوم الملاحة وتكنولوجيا الفضاء، وموجها الشكر لجميع القائمين على الكلية، وللطلاب، مشيدا بتلك الأفكار والمشروعات البحثية التى يمكن الاستفادة منها فى مجال الملاحة والفضاء.

وأضاف الدكتور أسامة شلبية أن مشروع التخرج تم تحت اشراف الدكتور محمد الفران مدرس قسم الملاحة الفضائية، وبمشاركة 12 طالب هم عبدالله رمضان عبدالشافى، احمد ولاء عيد، محمد رجب، احمد هانى، حسام الدين فاضل، بيشوى رودلف، احمد محمود محمد، ايمان عبدالغفور، الاء وائل، بسمة مجدى، اسراء ايمن، رقية صلاح.

ويرتكز المشروع على تطوير وتنفيذ نظام ذكاء اصطناعى قوى للرؤية الحاسوبية يمكّن الأقمار الصناعية من اكتشاف الحطام الفضائى والمناورة المستقلة لتجنب الاصطدامات المحتملة.ويهدف المشروع إلى تصميم وتكامل نظام قائم على الرؤية الحاسوبية، قادر على اكتشاف الحطام الفضائى فى الوقت الحقيقى، وتصنيفه، وتحليل مساره من خلال الاستفادة من خوارزميات التعلم العميق. حيث يشكل اصطدام الأقمار الصناعية بالحطام الفضائى تهديدًا كبيرًا لاستدامة العمليات الفضائية، وللتخفيف من هذه المخاطر، نفذ الطلاب نظامًا فرعيًا جديدًا لتعزيز قدرات تجنب اصطدام الأقمار الصناعية من خلال دمج الذكاء الاصطناعى للرؤية الحاسوبية (AI).

وقام الطلاب بتدريب نموذج الذكاء الاصطناعى الخاص بهم، باستخدام مجموعة بيانات متنوعة من صور الحطام الفضائى لتحديد مخاطر الاصطدام المحتملة وتتبعها بدقة لضمان الجدوى والكفاءة، وتحسين نظام الذكاء الاصطناعى للعمل على متن القمر الصناعى مع الحد الأدنى من الموارد الحسابية. حيث تضمنت منهجية المشروع جمع مجموعة بيانات شاملة لصور الحطام الفضائى، تشمل مجموعة واسعة من أنواع وأحجام الحطام، من خلال استخدام الشبكات العصبية التلافيفين (CNNs) ونقل تقنيات التعلم. وتم دمج النظام الفرعى فى نظام الأقمار الصناعية الحالى، مع التركيز على التوافق السلس والحد الأدنى من التأثير على عملياته الإجمالية، من خلال الاختبارات الصارمة، حيث أظهر النظام الذى قام الطلاب بتصميمه، أداءً رائعًا فى اكتشاف الحطام الفضائى فى الوقت الفعلى، حيث أشارت النتائج إلى متوسط دقة كشف تزيد عن 95% لمختلف أحجام وأنواع الحطام، مما يتيح تقييم مخاطر الاصطدام فى الوقت المناسب، وبذلك نجح النظام الفرعى AI Vision الحاسوبى فى توفير بيانات موثوقة لاتخاذ قرارات تجنب الاصطدام، وتمكين الأقمار الصناعية من ضبط مداراتها بشكل مستقل أو تنفيذ مناورات مراوغة.