Smart Fridge for Food Waste Reduction and Healthy Living
- التخصص
- الهندسة الكهربائية والكمبيوتر
- الجامعة
- الجامعة الأمريكية في الشرق الأوسط (AUM)
- السنة
- 2026
- نوع المشروع
- مشروع تخرج
عن المشروع
مشروع Smart Fridge for Food Waste Reduction and Healthy Living هو نظام ثلاجة ذكية يجمع بين Artificial Intelligence وIoT وCloud Computing لمراقبة الأغذية تلقائياً دون الحاجة إلى إدخال يدوي من المستخدم. عند فتح باب الثلاجة يقوم Limit Switch بإرسال إشارة إلى Raspberry Pi 5، ثم يتم تشغيل الإضاءة والتقاط صورة للطعام باستخدام الكاميرا. يتم تحليل الصورة محلياً باستخدام نموذج TensorFlow Lite للتعرف على نوع الطعام، وبعدها يتم حساب تاريخ انتهاء الصلاحية وإرسال البيانات إلى Firebase لتظهر مباشرة في Web Dashboard. يعرض التطبيق قائمة الأطعمة الموجودة وحالتها، مع تحذيرات ملونة حسب قرب انتهاء الصلاحية، بالإضافة إلى عرض درجة حرارة الثلاجة بشكل لحظي وإمكانية الدخول من الهاتف أو الكمبيوتر.
الجانب التقني
تم استخدام Raspberry Pi 5 كوحدة التحكم والمعالجة الرئيسية للنظام. تم استخدام Limit Switch على GPIO 20 لاكتشاف فتح وإغلاق باب الثلاجة. تم استخدام DHT11 على GPIO 4 لقياس درجة الحرارة والرطوبة داخل الثلاجة. تم استخدام Camera Module لالتقاط صور الأغذية عند فتح الباب. تم استخدام Relay + LED على GPIO 18 لتحسين الإضاءة أثناء التصوير. تم تطوير البرنامج الرئيسي باستخدام Python لقراءة الحساسات، التحكم بالـGPIO، التقاط الصور، تشغيل نموذج AI، حساب تاريخ الصلاحية ورفع النتائج إلى Firebase. تم تدريب نموذج التعرف على الطعام باستخدام Google Teachable Machine على 4 Classes: Apple, Carrot, Lemon, Nothing، باستخدام 320 صورة تدريبية، ثم تصديره بصيغة TensorFlow Lite وتشغيله على Raspberry Pi. حقق النموذج دقة إجمالية 91% ومتوسط Prediction Time حوالي 0.9 ثانية. تم تطوير Dashboard باستخدام React + TypeScript + Vite + Tailwind CSS، وربطه مع Firebase باستخدام Real-Time Listeners لعرض الطعام ودرجة الحرارة والتنبيهات مباشرة. تم استخدام Firebase Authentication لتسجيل الدخول، وFirestore / Realtime Database لتخزين ومزامنة بيانات الطعام والحالة اللحظية. تم تنفيذ Color-Coded Expiry System لتصنيف المنتجات إلى Fresh وExpiring Soon وExpired. تم إضافة Retry Logic من 3 محاولات في حال ضعف اتصال Wi-Fi. تم إضافة Brightness Correction باستخدام OpenCV لتحسين دقة التعرف في الإضاءة المنخفضة. تمت إضافة Software Debounce لمنع الإشارات الخاطئة من حساس الباب. تمت إضافة Cooldown لمدة 5 ثوانٍ لمنع تسجيل نفس الطعام أكثر من مرة
- Raspberry Pi 5
- Raspberry Pi Camera
- DHT11
- Limit Switch
- Relay Module
- LED
- Python
- OpenCV
- TensorFlow Lite
- Google Teachable Machine
- Firebase Realtime Database
- Firebase Firestore
- Firebase Authentication
- React
- TypeScript
- Vite
- Tailwind CSS
- RPi.GPIO
- Wi-Fi
دور فريق انفنيتي انسارز
- الإشراف والمتابعة على المشروع من بداية التصميم وحتى نهاية GP2.
- المساعدة في تحليل مشكلة هدر الطعام وتحديد أهداف ومتطلبات النظام.
- متابعة تصميم Architecture الخاصة بالنظام وتقسيمه إلى Hardware وAI وCloud وFrontend.
- المساعدة في اختيار Raspberry Pi 5 كوحدة معالجة رئيسية.
- متابعة اختيار وربط Camera Module وDHT11 وLimit Switch وRelay والـLED.
- المساعدة في تصميم منطق اكتشاف فتح وإغلاق باب الثلاجة.
- متابعة تطوير Python Control Program على Raspberry Pi.
- دعم التقاط الصور ومعالجتها باستخدام OpenCV.
- متابعة تدريب نموذج التعرف على الأغذية باستخدام Google Teachable Machine.
- المساعدة في تصدير وتشغيل نموذج TensorFlow Lite على Raspberry Pi.
- متابعة منطق حساب تاريخ انتهاء الصلاحية لكل نوع طعام.
- دعم التكامل مع Firebase Realtime Database وFirestore وFirebase Authentication.
- متابعة تطوير Web Application باستخدام React وTypeScript وTailwind CSS.
- المساعدة في تصميم Inventory Dashboard والتحذيرات الخاصة بقرب انتهاء الصلاحية.
- متابعة الربط اللحظي بين Raspberry Pi وFirebase والـDashboard.
- دعم اختبار دقة نموذج الذكاء الاصطناعي وتحسين الإضاءة وجودة الصور.
- المساعدة في معالجة مشاكل Wi-Fi وFirebase وإضافة Retry Logic.
- متابعة اختبار الحساسات والكاميرا والـGPIO والتكامل الكامل للنظام.
- مراجعة نتائج الاختبارات وتحسين المشاكل التي ظهرت أثناء التنفيذ.
- متابعة التقرير والعرض التقديمي وتجهيز المشروع للمناقشة النهائية
معرض الصور
عندك مشروع أو فكرة مشابهة؟
شاركنا تفاصيل مشروعك واحجز استشارة مع فريقنا.