L'embarqué > Logiciel > Développement > Cartesiam apporte la notion de classification dans l’usage de l’intelligence artificielle sur Cortex-M

Cartesiam apporte la notion de classification dans l’usage de l’intelligence artificielle sur Cortex-M

Publié le 17 décembre 2020 à 12:46 par François Gauthier        Développement Cartesiam

Cartesiam apporte la notion de classification dans l’usage de l’intelligence artificielle sur Cortex-M

Avec la mise à disposition aurpès des développeurs de la nouvelle version de sa plate-forme NanoEdge AI Studio V2, le français Cartesiam, éditeur de logiciels spécialisé en intelligence artificielle (IA) pour les systèmes embarqués, veut rendre accessible le développement de bibliothèques de classification sur tous les microcontrôleurs Arm Cortex-M, et ce de manière simple. Alors que la première mouture de NanoEdge AI Sudio était centrée sur la notion d’apprentissage automatique et de détection d’anomalie par rapport à cette phase d’apprentissage, la seconde version de cet environnement de développement va plus loin dans la mise en œuvre des technologies de l’IA en abordant la notion de classification. En d’autres termes, il s’agit ici de créer des bibliothèques de classification, grâce auxquelles les développeurs peuvent désormais, en plus de détecter des anomalies, les nommer et les classifier pour chaque élément analysé.

« Cartesiam crée des outils pour les développeurs d'applications embarquées, en offrant une approche simple et intuitive qui ne nécessite pas de connaissance en data science, ouvrant ainsi la puissance du machine learning aux milliards de dispositifs à base de microcontrôleurs Arm Cortex-M, explique Joël Rubino, CEO et cofondateur de Cartesiam. Nous avons initialement conçu NanoEdge AI Studio pour répondre principalement à des demandes d’applications de maintenance prédictive. Aujourd’hui, nous pouvons qualifier des événements de manière à pouvoir intervenir encore plus précisément, et ce en développant une bibliothèque de classification sans les difficultés habituelles liées au traitement du signal et aux compétences nécessaires en machine learning. »

D’un point de vue pratique dans cette approche purement logicielle, une fois la détection des anomalies réalisée, le classificateur est lancé afin de caractériser le problème. En quelques secondes, la technologie compare la situation enregistrée par rapport à des bibliothèques de signaux existantes, et cherche le meilleur compromis possible, toujours en local sans connexion au cloud, afin d’expliciter ce qui se passe. Alors qu’auparavant la technologie d’apprentissage automatique indiquait à l’utilisateur une anomalie et qu’il fallait intervenir car une panne allait survenir, désormais l’outil passe à un stade supérieur en indiquant avec un niveau de probabilité calculé ce qui est en cause (un défaut de roulement, un balourd, le vieillissement de piles lié à l’analyse de leur tension de sortie…). Autrement dit, l’utilisateur accède désormais à des informations précises, nécessaires pour prendre des décisions plus éclairées, et ne pas perdre du temps et de l’argent en déplacements non justifiés pour la maintenance.

Dans cette approche, Cartesiam souligne qu’aucune expertise n’est nécessaire en data science, en traitement du signal ou en machine learning, contrairement aux solutions logicielles d'IA concurrentes qui fonctionnent dans le cloud et qui nécessitent de l’expertise dans ces domaines. Pour fonctionner, la solution n’a besoin que d’une empreinte mémoire limitée à 4 Ko de mémoire RAM en moyenne, avec un apprentissage rapide itératif en 30 ms sur un cœur Arm Cortex-M4 cadencé à 80 MHz.

Avec NanoEdge AI Studio, clairement orienté vers les applications industrielles, Cartesiam a développé une collaboration étroite avec la société allemande Bosch Connected Devices and Solutions, notamment autour de la solution IoT existante XDK (Cross Domain Development Kit) de cette dernière. Avec une gamme de huit capteurs embarqués, la plate-forme XDK permet de surveiller, contrôler et analyser les processus à distance via Bluetooth ou Wi-Fi, dans le but de créer rapidement des machines connectées plus intelligentes. Dans ce cadre, NanoEdge AI Studio V2 augmente les fonctionnalités des XDK, en offrant la possibilité de traiter les données pour la détection et la classification d'anomalies pour un ou plusieurs capteurs. Bosch prévoit d’ailleurs d'utiliser d’ores et déjà la plate-forme de Cartesiam dans l'un de ses projets internes, et travaille à l’intégration de NanoEdge AI Studio avec les plates-formes XDK.

Enfin, Cartesiam annonce également data.cartesiam.ai, une plate-forme Web pour l'exploration de cas d’usage dans laquelle les utilisateurs peuvent télécharger des jeux de données et les tester avec NanoEdge AI Studio sur des cas représentatifs : détection d'obstruction de ventilateur, détection du cancer du sein, détection du volume de sacs à vide… A l’avenir, Cartesiam améliorera continuellement ce portail en y ajoutant des jeux de données supplémentaires.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA

Sur le même sujet