طلاب علوم الملاحة ببني سويف يطورون نظامًا لتجنب اصطدام الأقمار الصناعية

قام فريق بحثي من طلاب كلية علوم الملاحة وتكنولوجيا الفضاء تحت رعاية الدكتور منصور حسن رئيس جامعة بني سويف، وإشراف الدكتور أسامة شلبية عميد الكلية، بتطوير نظام فرعي AI Vision للكمبيوتر لتجنب اصطدام الأقمار الصناعية من خلال اكتشاف الحطام الفضائي، من خلال تزويد الأقمار الصناعية بقدرات للكشف الحطام الفضائي وتحليله في الوقت الفعلي، والذي يسهم وبشكل فعال في السلامة العامة واستدامة العمليات الفضائية.

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

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

ويرتكز المشروع على تطوير وتنفيذ نظام ذكاء اصطناعي قوي للرؤية الحاسوبية يمكّن الأقمار الصناعية من اكتشاف الحطام الفضائي والمناورة المستقلة لتجنب الاصطدامات المحتملة.ويهدف المشروع إلي 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. 

حيث تضمنت 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. وتم 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 قام الطلاب بتصميمه،  أداءً رائعًا في اكتشاف الحطام الفضائي في الوقت الفعلي، حيث أشارت النتائج إلي متوسط دقة كشف تزيد عن 95٪ لمختلف أحجام وأنواع الحطام، مما يتيح تقييم مخاطر الاصطدام في الوقت المناسب، وبذلك  نجح 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.