Post by Mohamed Elhosary

First GitHub Repository. First "Big" Project. وأخيرًا أقدر أقول إن ده أول Repository أنشره على GitHub، وأول مشروع كبير أقدر أقول إني خلصته من البداية للنهاية. حابب أقدم لكم EAGLE V4. V4؟ آه... النسخة الرابعة فعلًا. النسخة الأولى كانت مجرد Logic بسيط مع كام Sensor. النسخة الثانية كانت محاولة لدمج الـ AI مع الـ Arduino وتحويل الفكرة لحاجة تشتغل على أرض الواقع، ودي كانت فكرة المشروع اللي قدمناها في الكلية في سكشن مادة Logic مع Esraa Nassar. النسخة الثالثة كانت أول دخول حقيقي ليا في مجال Computer Vision. أما EAGLE V4، فالمشروع بقى مش مجرد بيشوف، لكنه بيحلل السلوك، يجمع الأدلة من أكثر من مصدر، ويحاول يوصل لقرار منطقي قبل ما يصدر أي تنبيه، مع بقاء القرار النهائي تحت إشراف المراقب أو المسؤول. طيب... إيه اللي كان التحدي الحقيقي؟ المشكلة مش إن النظام يشوف الطالب بص بعيد ويعتبره غش. التحدي الحقيقي كان إنه يقدر يجاوب على أسئلة زي: طب لو الطالب بص تحت عشان يكتب؟ طب لو بص يمين أو شمال للحظات؟ طب لو المراقب مر قدام الكاميرا؟ طب لو حد وقف قدامها؟ طب لو الطالب عدّل نظارته؟ طب لو وقع منه قلم؟ طب لو استخدم موبايل؟ طب لو فتح ورقة إضافية؟ طب لو الإضاءة اتغيرت؟ طب لو الكاميرا اتحركت؟ طب لو الجهاز نفسه بقى أبطأ أثناء الامتحان؟ بدل ما يعتمد على Detection واحد أو Frame واحدة، كان الهدف إن النظام يجمع الأدلة من مصادر مختلفة، يتابع السلوك عبر الزمن، ويتحقق من صحة الأدلة قبل ما يصدر أي Alert. --- الفكرة الأساسية كانت بناء Local-First AI Proctoring Engine يعمل بالكامل على الجهاز بدون الاعتماد على أي خدمات سحابية، مع التركيز على الخصوصية، والأداء، وتقليل الـ False Positives. بشكل مبسط، الـ Pipeline بيكون كالتالي: Camera Input ↓ YOLO Object Detection + YOLO Pose Estimation ↓ MediaPipe Face Mesh & Gaze Analysis ↓ Robust Multi-Object Tracking ↓ Feature Extraction ↓ Bayesian Inference + Hidden Markov Model ↓ Evidence Verification Engine (EVE) ↓ Adaptive Compute Budget ↓ Reports • Replay • Readiness Assessment • Logging خلال الفترة الماضية عملت Simulations وتجارب على سيناريوهات مختلفة، وكانت النتائج الأولية مشجعة، لكنها في نفس الوقت كشفت عن تحديات هندسية كتير محتاجة شغل وتحسين مستمر. من أكبر التحديات اللي قابلتني: تقليل الـ False Positives بدون التأثير على دقة النظام. في النهاية اكتشفت إن أصعب جزء في المشروع لم يكن تدريب نموذج ذكاء اصطناعي، بل بناء نظام يقدر يتخذ قرارًا منطقيًا من عدة أدلة بدل الاعتماد على نتيجة نموذج واحد فقط. المشروع علمني حاجات كتير أبعد من Computer Vision، زي Software Architecture، Profiling، Testing، Performance Optimization، وتصميم أنظمة قابلة للتطوير والصيانة. وده مش نهاية الرحلة. EAGLE V4 بالنسبة لي هو نهاية مرحلة التعلم، أما EAGLE V5 فسيكون بداية بناء منتج بطموح أكبر واستخدامات أوسع. أي Feedback أو اقتراح هيكون محل تقدير. GitHub Repository: 🔗 https://lnkd.in/epnpiaKs وأخيرًا، شكرًا جدًا لزملائي Abdo Salah ،Ziad Hamdy ، Mohamed Hany على المراجعات، والاختبارات، والملاحظات اللي ساعدت في تطوير النسخة دي. #Python #ArtificialIntelligence #ComputerVision #YOLO #MediaPipe #OpenCV #OpenVINO #SoftwareEngineering #MachineLearning #GitHub