مناقشة أطروحة دكتوراه في كلية تكنولوجيا المعلومات بجامعة بابل حول تحسين التعرف على إشارات اليد باستخدام الشبكات العصبية الرسومية

ضحى فاضل عباس
في مشهد علمي يعكس الحراك البحثي المتنامي في مجالات الذكاء الاصطناعي والتقنيات الذكية، شهدت كلية تكنولوجيا المعلومات في جامعة بابل مناقشة أطروحة دكتوراه نوعية في قسم البرمجيات حملت عنوان “تحسين التعرف على إشارات اليد في لغة الإشارة باستخدام الشبكات العصبية الرسومية”، لطالبة الدكتوراه اشراق عبدالامير يحيى، وذلك في تمام الساعة التاسعة من صباح يوم الاثنين الموافق 9/2/2026 على قاعة المؤتمرات في الكلية، وبإشراف كل من الدكتور مهدي عبادي مانع والدكتور نداء عبد المحسن عباس، وبحضور نخبة من التدريسيين والباحثين وطلبة الدراسات العليا.

وتناولت الأطروحة تطوير منهجية متقدمة للتعرف على إشارات اليد الثابتة في سياق متعدد اللغات، مع التركيز على كل من لغة الإشارة الأمريكية (ASL) ولغة الإشارة العربية (ArSL). ويأتي هذا العمل في ظل التحديات التي ما تزال تواجه أنظمة الرؤية الحاسوبية في تصنيف الإشارات المتشابهة بصريًا، إضافة إلى تأثير اختلاف أوضاع اليد وظروف التصوير مثل الإضاءة والخلفيات، فضلًا عن التشابه البنيوي بين بعض الإشارات في اللغات المختلفة.

واعتمدت الدراسة استراتيجية علمية مزدوجة تجمع بين بناء معيار مرجعي قوي قائم على الشبكات العصبية الالتفافية، واقتراح إطار متقدم قائم على الشبكات الرسومية لتعزيز القدرة التمييزية للنماذج. ففي المسار الأول تم تطوير خط أساس عالي الأداء عبر تجميع عدد من نماذج الشبكات العصبية الالتفافية باستخدام أسلوب التصويت المتوسط، حيث تم الدمج بين نموذج CNN مخصص وعدد من النماذج المعتمدة على نقل التعلم مثل VGG16 وVGG19 وMobileNet، بما يسهم في تقليل تذبذب الأداء وتحقيق استقرار أعلى مقارنة باستخدام نموذج واحد فقط.
أما المسار الثاني من الأطروحة فقد قدّم إطارًا مقترحًا يعتمد على نموذج هجين للتعلم العميق القائم على الرسوم البيانية، إذ يوظف شبكات الالتفاف البيانية التكيفية لبناء تمثيل علائقي بين السمات المستخرجة من الصور دون الحاجة إلى تحديد النقاط التشريحية لليد. ويعتمد هذا النموذج على إنشاء عقد تمثل واصفات متعددة المجالات، في حين تُنشأ الحواف وفق مبدأ التشابه عبر ربط أقرب الجيران باستخدام خوارزمية KNN، الأمر الذي يسمح باستثمار العلاقات البنيوية بين السمات لتعزيز دقة التصنيف.

كما دمج الإطار المقترح قنوات تمثيل متعددة تشمل معاملات مستخرجة باستخدام تحليل المركبات الرئيسية PCA لالتقاط التباين التمييزي، وواصفات ترددية عبر تحويل فورييه السريع FFT، إضافة إلى السمات النسيجية مثل Tamura، إلى جانب التضمينات المستخرجة من الشبكات العصبية الالتفافية. وقد أسهم هذا الدمج في توفير تمثيل غني متعدد المناظير يساعد على التمييز بين الإشارات المتقاربة شكليًا أو نسيجيًا. وبعد ذلك يتم استخدام عمليات الالتفاف البياني لنشر المعلومات بين العقد المرتبطة وتعزيز الفصل بين الفئات، مع توظيف وحدات تحسين تسلسلية مثل GRU وLSTM لدعم استقرار حدود القرار وزيادة اتساق التنبؤات النهائية.

وتأتي هذه الأطروحة في إطار الجهود البحثية التي تبذلها كلية تكنولوجيا المعلومات بجامعة بابل لدعم الدراسات المتقدمة في مجالات الذكاء الاصطناعي والرؤية الحاسوبية، وتسخير التقنيات الحديثة لتطوير حلول تقنية تسهم في خدمة المجتمع وتعزيز التواصل مع فئات ذوي الإعاقة السمعية.