Une solution de comptage de personnes à base d’IA
Le prototype de capteur de comptage de personnes combine une solution d’imagerie thermique de la famille LYNRED ThermEye intégrée dans un design original très basse consommation créé par Schneider Electric, et un modèle de réseau neuronal basé sur Yolo (You Only Look Once), un algorithme de détection d’objets reposant sur les techniques de Deep Learning et exécuté par le microcontrôleur STM32H723 récemment introduit par ST.
« Cette technologie prometteuse représente une nouvelle solution de suivi du taux d’occupation dans de nombreuses applications telles que la supervision des files d’attente, l’utilisation des bâtiments et la distanciation physique », a déclaré Maxime Loidreau, responsable du programme IoT Sensors, Schneider Electric. « Notre démonstration à la pointe de l’innovation élaborée avec STMicroelectronics peut être mise en œuvre dans divers segments de marché, de l’hôtellerie aux immeubles de bureau, de commerce et, de façon plus générale, dans tout bâtiment où la maîtrise de la fréquentation et de l’occupation de l’espace présente une grande valeur. Cette technologie peut contribuer à redéfinir le bâtiment du futur ! ».
« Ce projet démontre la puissance de l’apprentissage profond pour augmenter les performances du traitement de données embarqué, et démontre que des applications à haute valeur ajoutée peuvent être hébergées sur un simple microcontrôleur pour un coût optimisé », a ajouté Miguel Castro, responsable des solutions d’intelligence artificielle chez STMicroelectronics. « Notre écosystème STM32Cube.AI permet aux utilisateurs de créer des solutions flexibles dans un délai de commercialisation réduit. Les clients bénéficient d’une productivité encore plus importante en s’appuyant sur le soutien de notre équipe technique pour relever les défis technologiques. »
Complément d’information technique
L’écosystème d’intelligence artificielle STM32 fournit les blocs de base essentiels au fonctionnement de réseaux neuronaux sur les microcontrôleurs STM32, permettant une solution au coût optimisé et économe en énergie. Différents environnements d’apprentissages profonds tels que Keras, TensorFlow Lite ou le format d’échange ONNX, sont pris en charge nativement. L’écosystème est composé du pack d’extension logiciel X-CUBE-AI qui étend les capacités de l’outil d’initialisation STM32CubeMX pour convertir automatiquement les réseaux neuronaux pré-entraînés, générer des bibliothèques optimisées pour le microcontrôleur cible et les intégrer dans le projet de l’utilisateur. Il permet d’automatiser les tâches de développement fastidieuses comme la validation des modèles de réseaux neuronaux et la mesure des performances sur les microcontrôleurs STM32 sans créer manuellement le code C nécessaire.
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :