L'embarqué > Logiciel > Algorithmes > ST veut faciliter l’intégration de l’intelligence artificielle dans les systèmes embarqués bâtis sur les STM32

ST veut faciliter l’intégration de l’intelligence artificielle dans les systèmes embarqués bâtis sur les STM32

Publié le 04 janvier 2019 à 12:06 par Pierrick Arlot        Algorithmes STMicroelectronics

ST veut faciliter l’intégration de l’intelligence artificielle dans les systèmes embarqués bâtis sur les STM32

La diffusion en cours des technologies d’intelligence artificielle (IA) dans les systèmes embarqués bâtis sur des microcontrôleurs ne laisse pas STMicroelectronics indifférent. Bien au contraire. La société franco-italienne étoffe aujourd’hui l’écosystème STM32CubeMX associé à ses microcontrôleurs STM32 avec des fonctions IA, l’idée étant d’utiliser des réseaux de neurones artificiels préalablement entraînés pour classer des données émises par des capteurs de mouvements et de vibrations, des capteurs environnementaux, des microphones ou des capteurs d'images de manière à la fois plus rapide et plus efficace qu'avec les solutions conventionnelles de traitement de signaux.

On rappellera que STM32CubeMX est un environnement servant à configurer et à générer de façon purement graphique du code en C pour le circuit cible. Dans ce cadre, l’extension STM32Cube.AI permet aux développeurs de convertir des réseaux de neurones préalablement entraînés dans un code C qui appelle des fonctions au sein de bibliothèques optimisées pour une exécution sur un microcontrôleur STM32. Aujourd'hui, l’outil est compatible avec les frameworks IA Caffe, Keras (avec le back-end TensorFlow), Lasagne et ConvnetJS ainsi qu’avec différents environnements de développement intégrés (IDE) et compilateurs, y compris ceux fournis par Keil, IAR et System Workbench.

L’extension STM32Cube.AI est en outre fournie avec des packs de fonctions logicielles prêtes à l’emploi (FP-AI-Sensing1) comprenant notamment des codes de référence pour la reconnaissance d’activités humaines et la classification de scènes audio, précise ST. Ces logiciels peuvent être immédiatement mis en œuvre avec la carte de référence ST SensorTile (et l’appli mobile ST BLE Sensor) pour capturer et labelliser les données issues des capteurs avant le processus d’apprentissage. La carte peut ensuite exécuter les inférences du réseau de neurones ainsi optimisé. L’appli mobile ST BLE Sensor jouant, quant à elle, le rôle de télécommande et d’afficheur distant.

« La boîte à outils de développement de réseaux de neurones proposée par ST met l'intelligence artificielle à la portée des produits intelligents architecturés autour d'un microcontrôleur sur les marchés de l'Internet des objets, des bâtiments intelligents, ainsi que des applications industrielles et médicales », assure Claude Dardanne président du groupe Microcontrôleurs et Circuits intégrés numériques de STMicroelectronics.

Sur le même sujet