Search In this Thesis
   Search In this Thesis  
العنوان
Classification of paleontological fossil bones using multislice CT and machine learning techniques /
المؤلف
Abd El-Aziz, Hussain Ahmed El-Sayed.
هيئة الاعداد
باحث / حسين احمد السيد عبدالعزيز احمد
مشرف / أحمد محمد الجرايحي
مشرف / محمد صلاح إبراھيم
مشرف / فاطمة الطحان
مناقش / مصطفي محمد احمد سليم
الموضوع
Machine learning techniques. Paleontological fossil bones.
تاريخ النشر
2023.
عدد الصفحات
online resource (178 pages) :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
الفيزياء والفلك (المتنوعة)
تاريخ الإجازة
1/1/2023
مكان الإجازة
جامعة المنصورة - كلية العلوم - الفيزياء
الفهرس
Only 14 pages are availabe for public view

from 178

from 178

Abstract

تتناول الرسالة حلا لمشكلة التعرف إلى بقايا الكائنات الحية التي تواجه عالم الحفريات في أثناء تنقيبه عن الحفريات والصعوبة الكبيرة والتحديات التي يواجهها. في الجزء الأول من الرسالة تم تناول علم الحفريات والمشكلات التي تقابل عالم الحفريات والأبحاث السابقة المقترنة بالموضوع ثم في الجزء الثاني من الرسالة تم مناقشة التصوير المقطعي والنظرية القائم عليها، واوجه الاختلاف بين الأجهزة المتعددة واستخدام التصوير المقطعي في مجالات متعددة منها علم الحفريات ثم في الجزء الثالث من الرسالة تم التعريف بكيفية تحسين الصورة واستخراج خواص الصورة ثم تحدثنا عن الذكاء الاصطناعي وتعلم الآلة وكيفية استخدامها في تصنيف الصور ثم في الجزء الرابع من الرسالة تم التحدث عما تم إنجازه في البحث، وتم فيه استخدام تقنية التصنيف المتعدد باستخدام خوارزميات تعلم الآلة، التي تساعد على تمييز بين مختلف أنواع الصور. استخدمنا في هذه الرسالة ثلاث بقايا فقارية تم الحصول عليها وعمل فحص بالأشعة المقطعية لكل منها وعمل نموذج ثلاثي الأبعاد لكل من الثلاث بقايا، وهما رأس تمساح ورأس دلفين وجزء من الفك العلوي للفرس النهري ولتحقيق هذا الهدف تم اختيار 2025 صورة مقطعية، وتم التعديل عليها باستخدام تقنيات معالجة الصور وتجزئتها مثل تحويلها إلى صورة رمادية أول ثم تحسين الضوضاء الموجود بالصورة باستخدام فلتر وينر وتحسين تباين الصورة ثم تم تحويل الصورة إلى صورة ثنائية باستخدام تقنية الحد الأدنى لعتبة اوتسو. ثم يتم استخراج خصائص الصورة الهندسية لتحويل الصورة لخصائص رقمية يسهل التعرف إليها والتمييز بينها. ثم تم استخدام هذه الخصائص لتدريب الآلة على التمييز بين الصور باستخدام مصنفات تعلم الآلة المناسبة، وأظهرت النتائج أداء قوي ودقة عالية في تصنيف البقايا الفقارية، وقد وصل دقة التصنيف إلى 93.6% ويمكن استخدام الطريقة المقترحة كأداة تصنيفية فعالة للجيولوجيين أو علماء الحفريات. تسلط المقالة الضوء على أهمية استخدام تقنيات التعلم الآلي لتصنيف البقايا الأحفورية بدقة وكفاءة. كما توضح الدراسة فاعلية استخدام عمليات التعزيز والتجزئة لتحسين جودة الصورة وأهمية اختيار السمات الهندسية المناسبة للتصنيف. بوجهٍ عام، يقدم البحث مساهمة قيمة في مجال التصنيف وربطه بعلم الحفريات، ويوضح إمكانات تقنيات التعلم الآلي لتصنيف الصور او بقايا الحفريات بدقة.