fa تشخیص ‌آی دی کانکور عموی افغانستان از روی ورقه امتحان تخصصي Special پژوهشي Research <div style="text-align: justify;">استفاده از هوش مصنوعی و ترویج آن در انکشاف صنایع یکی از دست آوردهای بشر در چند دهه اخیر است که در موارد از آن استفاده به عمل می‌آید. امروزه سازمان‌ها و نهادهای دولتی و غیر دولتی نیاز شدید به خودکار سازی اداری و رفع مشکلات شان با استفاده از هوش مصنوعی است. بر این أساس دراین پژوهش تلاش شده است تا بتوان با بکارگیری از هوش مصنوعی مشکل شناسایی شناسه کانکور را رفع کرد. در این پژوهش، تشخیص و بررسی شناسه یا آی دی نمبر &nbsp;داوطلب از روی ورقه امتحان کانکور در دو مرحله انجام می‌شود. در مرحله اول، تشخیص شناسه از روی اعدادی است که داوطلبان با دست‌خط خود در بخش شناسه در ورقه امتحان می‌نویسند. در بخش دوم، از کلیدهای پررنگ‌شده در بخش مربوط به شناسه استفاده می‌کنیم. این دو مرحله پس از اسکن ورقه امتحانی با کمک پردازش تصویر و عملیات برش ناحیه‌های تصویر به‌منظور کوچک‌سازی ناحیه مورد نظر صورت می‌گیرد. برای شناسایی اعداد دست‌نویس، از دیتاست مینست &nbsp;و کتابخانه‌های تینسرفلو &nbsp;و کیراس &nbsp;استفاده شده است تا مدلی با دقت بالا بدست آید. در بخش دوم نیز ناحیه کلیدها به ۹ ستون که هر کدام شامل یک کلید است برش می‌خورد و سپس سطرها با دقت پردازش می‌شوند. کلیدهای پررنگ شده با مقدار آستانه خاصی استخراج می‌شوند و در نهایت ای دی نمبر داوطلب به دو طریق شناسایی می شود تا اطمینان بیشتر حاصل شود.&nbsp;</div> <div style="text-align: justify;">The use and promotion of artificial intelligence (AI) in advancing industries is one of humanity&#39;s remarkable achievements in recent decades, applied in various fields. Today, governmental and non-governmental organizations face an urgent need for administrative automation and problem-solving through AI. Accordingly, this research aims to address the problem of identifying candidates&#39; IDs for university entrance exams using AI.<br> In this study, the identification and verification of candidates&#39; IDs from their exam sheets are carried out in two stages. In the first stage, the ID is recognized based on the digits handwritten by the candidates in the designated ID section of the exam sheet. In the second stage, the boldened keys marked in the ID section are utilized. Both stages are performed after scanning the exam sheets, employing image processing techniques and cropping operations to isolate the required areas.<br> For recognizing handwritten digits, the MNIST dataset and the TensorFlow and Keras libraries were used to develop a high-accuracy model. In the second stage, the key section is divided into nine columns, each containing a single key, and then rows are processed with precision. The boldened keys are extracted using a specific threshold value, and ultimately, the candidate&#39;s ID number is identified through both methods to ensure higher reliability.</div> شناسایی ارقام دست نویس, پردازش تصویر, امتحان کانکور, یادگیری عمیق handwritten digit recognition, image processing, Kankor exam, deep learning 3 14 http://jots.knu.edu.af/browse.php?a_code=A-10-1-19&slc_lang=fa&sid=1 محمد ناظم جعفری m.n.jafari@kateb.edu.af Yes دیپارتمنت مهندسی نرم افزار، دانشکده کامپیوترساینس، دانشگاه کاتب، کابل، افغانستان سید زکریا حبیب s.z.habib@knu.edu.af No دیپارتمنت مهندسی نرم افزار، دانشکده کامپیوترساینس، دانشگاه خاتم النبیین (ص)، کابل* افغانستان محمد منصور لطیفی mohammadmansour.latifi@gmail.com No دیپارتمنت تکنالوژی معلوماتی، دانشکده کامپیوترساینس، دانشگاه کاتب، کابل، افغانستان