تمييز الأحرف اليدوية الكردية باستخدام تقنيات التعلم العميق

تمثّل اعتراف الكتابة اليدوية أحد المجالات النشطة والصعبة في مجال معالجة الصور وتمييز الأنماط. وتمتلك تطبيقات متعددة تشمل: أداة مساعدة للإعاقات البصرية، والقراءة التلقائية ومعالجة شيكات البنوك، وجعل أي وثيقة مكتوبة يدويًا قابلة للبحث، وتحويلها إلى صيغة نصية منظمة، وغيرها. علاوة على ذلك، سُجلت معدلات دقة عالية في أنظمة اعتراف الكتابة اليدوية بالنسبة للغات مثل الإنجليزية والصينية والعربية والفارسية، وعدد كبير من اللغات الأخرى. ومع ذلك، لا توجد حتى الآن أي أنظمة متاحة لاعتراف الكتابة اليدوية غير المتصلة بالشبكة (offline) باللغة الكردية. في هذا البحث، تم بذل جهد لتصميم وتطوير نموذج قادر على اعتراف الأحرف المكتوبة يدويًا في الأبجدية الكردية باستخدام تقنيات التعلم العميق. تضم اللغة الكردية (السُورانية) 34 حرفًا، وتُستخدم فيها عادةً كتابة مستوحاة من العربية والفارسية مع أحرف معدلة. وفي هذه الدراسة، تم استخدام نموذج شبكة عصبية متعددة الطبقات متعمقة (Deep Convolutional Neural Network)، والذي أظهر أداءً متميزًا في أنظمة اعتراف الكتابة اليدوية. ثم تم إنشاء مجموعة بيانات شاملة للأحرف الكردية المكتوبة يدويًا، تضم أكثر من 40 ألف صورة. وقد استُخدمت هذه المجموعة في تدريب نموذج الشبكة العصبية المتعمقة لأغراض التصنيف والاعتراف. وتشير النتائج التجريبية في النظام المقترح إلى مستوى مقبول من الدقة في الاعتراف. حيث بلغت دقة الاختبار 96%، بينما وصلت دقة التدريب إلى 97%. ومن خلال النتائج التجريبية، يتضح أن النموذج المتعلم العميق المقترح يؤدي بأداء جيد، ويتماشى مع أداء النماذج المماثلة في أنظمة اعتراف الكتابة اليدوية للغات الأخرى.