Intelligence artificielle d'analyse d'image
Introduction
L’analyse d’image peut s’avérer utile pour en extraire les informations suivantes :
- Qu’est-ce qui s’y trouve ;
- En quelle quantité ;
- Ou cela se situe ;
Cependant, répondre aux trois critères ci-dessus peut s’avérer être une tache ardue. L’analyse appliquée sur des images RGB de grandes résolutions (2592 × 1944) implique souvent des calculs gourmands en ressources matérielles.
Cette tache est d’autant plus ardue lorsque l’on souhaite faire fonctionner notre solution d’analyse d’image dans un contexte complètement embarquée (sans déporter la puissance de calcul sur un cloud).
Technologie d'IA récente
Une bonne architecture de réseau de neurones combiné avec des méthodes d’apprentissage avancées peut faire une énorme différence sur les performances finale.
Il est donc logique d’opter pour les architectures les plus récentes prenants en compte les dernières avancées majeurs effectuées dans le domaine du machine learning.
Les récentes avancées dans le domaine de l’analyse d’image nous ont permis de rendre possible une analyse d’image répondant aux critères précédents dans un contexte embarqués.
L’architecture d’IA que nous avons mise en place a une consommation de ressource moindre. On s’approche de l’état de l’art en terme de précision/rappel ce qui nous donne de bonne performance en pratique.
Par exemple, cela nous permet de localiser et dénombrer les fruits sur une plante à partir de la prise d’image d’une camera RGB.
Dans l’image ci-dessus, une image RGB est passée au réseau de neurones. Ce dernier renvoi une carte complète des objets qu’il a détecté (position et type)..
Concrètement, la Brain Board peut exécuter notre IA. Dans ces conditions, effectuer une analyse prend ~20 secondes sur une image RGB de 2592 × 1944 sans pré-traitements.
Bien sûr, sur d’autres systèmes plus puissants, on peut atteindre le temps réel avec notre architecture d’IA..
Explorer d'autres projets
Application de supervision de parking
Dans le but de continuer à améliorer les qualité de ses produits, IE-Concept a collaboré avec Leaderpark afin de créer une nouvelle version du logiciel de supervision à la fois esthétique, pratique et toujours plus performante.
Déploiement d’une infrastructure web résiliente avec Docker
Dans le contexte actuel où le télé-travail et les outils informatiques ont besoins d’être de plus en plus rapide et accessible rapidement, nous avions besoin d’avoir une infrastructure organisée, rapide et autonome afin d’assurer une qualité de travail au maximum.
Nos serveurs, déployés chez un prestataire externe, peuvent redémarrer ou être coupés pendant quelques minutes afin d’effectuer diverses opérations de maintenance. Dans ce cas là, notre administrateur ne devrait pas avoir besoin d’interagir avec le serveur pour que les services redémarrent correctement.
Création de l’application mobile IE-Concept Toolbox
Dans le cadre de l’apprentissage en continu de la société IE-Concept, il a été décidé de développer une application Android basée sur React Native nous servant de pense-bête en regroupant des outils utiles dans notre quotidien d’électroniciens, informaticiens et ingénieurs.