Cartesiam IDE ajoute une classification des anomalies de bord sur les MCU Arm Cortex-M

Cartesiam a introduit une nouvelle version de son environnement de développement intégré (IDE) qui, selon elle, est la première à permettre la classification des anomalies directement sur tous les microcontrôleurs Arm Cortex (MCU). Il a également introduit une nouvelle plate-forme Web permettant aux utilisateurs de télécharger des ensembles de données réels de cas d'utilisation représentatifs, et a annoncé un partenariat avec Bosch Connected Devices and Solutions pour étendre sa gamme de produits IoT avec l'IDE de Cartesiam.

Après avoir introduit plus tôt cette année un IDE permettant aux développeurs de créer des applications de formation et d'inférence en intelligence artificielle (IA) sur des microcontrôleurs, la société a maintenant annoncé la disponibilité de NanoEdge AI Studio V2, qui, en plus de simplifier la création d'apprentissage automatique (ML) et inférence, ajoute désormais des bibliothèques de classification pour une implémentation directe sur les MCU Arm Cortex-M.

Cartesiam a déclaré que ce nouvel IDE a une approche supérieure pour la détection et la classification des anomalies. C'est parce que le modèle est formé dans le microcontrôleur, ce qui signifie que la détection d'anomalies réveille le classificateur pour la caractérisation, indiquant au système exactement ce qui ne va pas, pas seulement qu'il y a un problème générique' c'est la clé pour donner aux utilisateurs l'intelligence nécessaire pour faire plus décisions éclairées.

Joël Rubino, PDG et co-fondateur de Cartesiam, a expliqué à Embedded.com :« Notre solution a été conçue dès le premier jour dans la boîte d'un microcontrôleur. Nous redéveloppons, à partir de l'algèbre, tous les algorithmes d'apprentissage automatique (ML) et de traitement du signal pour qu'ils s'exécutent nativement dans un MCU. D'autres solutions sur le marché sont des solutions « réduites » à partir d'un cadre conçu pour fonctionner sur des serveurs avec une puissance de calcul, une mémoire, des ensembles de données, etc. telles que Google TensorFlow et d'autres solutions logicielles d'IA fonctionnant dans le cloud. Nous nous installons généralement dans 4 Ko de RAM dans une configuration typique, et la plupart du temps en dessous de 1 Ko. "

Optimisé pour les microcontrôleurs Arm Cortex-M, Cartesiam a déclaré que son IDE ne nécessite pas l'expertise de scientifiques des données et d'ingénieurs en traitement du signal, car il s'agit d'un outil de bureau intuitif qui permet aux développeurs embarqués de se concentrer sur la résolution de problèmes commerciaux plutôt que sur la sélection d'algorithmes. Il permet un apprentissage rapide à la périphérie, effectuant un apprentissage itératif en 30 ms dans un Arm Cortex-M4 80 MHz pour fournir rapidement des informations.

La société a déclaré que des milliers d'appareils intégrés industriels IoT (IIoT) disponibles dans le commerce sont déjà en production avec NanoEdge AI Studio V1 pour la détection d'anomalies. Avec l'ajout de bibliothèques de classification à NanoEdge AI Studio V2, les développeurs peuvent désormais aller plus facilement au-delà de la détection d'anomalies pour qualifier les problèmes directement dans les terminaux.

«Cartesiam fabrique des outils pour les développeurs embarqués, offrant une approche intuitive par bouton-poussoir qui ne nécessite aucune formation en science des données, ouvrant l'IA aux milliards de périphériques embarqués à ressources limitées construits avec les MCU Arm Cortex-M», a commenté Rubino. « Nous avons initialement conçu NanoEdge AI Studio pour répondre à la demande de nos clients en maintenance prédictive, qui, ayant accumulé des données sur l'utilisation de leurs équipements, nous ont demandé de les aider à qualifier facilement leurs événements ainsi qu'à les anticiper. La nouvelle version de notre IDE permet à ces clients - et à tout autre concepteur embarqué - de développer sans effort une bibliothèque de classification sans les défis habituels associés au traitement du signal et aux compétences en apprentissage automatique. Cela réduit considérablement les coûts et accélère la mise sur le marché. »

Il a ajouté :« Notre solution fonctionne sur un PC. Aucune connexion cloud ou coût requis. De nombreuses entreprises, en particulier européennes, sont sceptiques quant à l'envoi de leurs données vers le cloud (en raison de problèmes de confidentialité des données) et du coût caché du cloud computing. »

Échantillons d'ensembles de données sur la nouvelle plate-forme Web, partenariat Bosch IoT
Cartesiam a également introduit un « explorateur de cas d'utilisation » sur data.cartesiam.ai, une nouvelle plate-forme Web. Les utilisateurs peuvent télécharger de vrais ensembles de données et essayer l'IDE NanoEdge AI Studio sur des cas d'utilisation représentatifs, tels que la détection d'obstruction de ventilateur, la détection de cancer du sein, la détection de volume de sac sous vide, etc. La société a déclaré qu'elle améliorerait continuellement le portail avec des ensembles de données supplémentaires.

Simultanément au lancement de sa nouvelle plate-forme IDE et Web, Bosch Connected Devices and Solutions ajoute NanoEdge AI Studio de Cartesiam pour étendre sa gamme de produits IoT existante, le kit de développement interdomaine ou XDK.

Ando Feyh, responsable technique de Bosch Connected Devices and Solutions, a déclaré :« Avec sa gamme de huit capteurs, la plate-forme XDK permet aux concepteurs de surveiller, contrôler et analyser les processus à distance via Bluetooth ou Wi-Fi, permettant à nos clients de créer rapidement plus machines connectées intelligentes. NanoEdge AI Studio V2 augmente la fonctionnalité unique du XDK, offrant la possibilité de traiter les données pour la détection et la classification des anomalies pour un ou plusieurs capteurs. Compte tenu de cela, nous prévoyons d'utiliser la plate-forme Cartesiam dans un large éventail de projets internes et externes, et travaillons en étroite collaboration avec Cartesiam sur une intégration de NanoEdge AI Studio avec notre XDK. »