La vision embarquée stimule l'innovation à travers les industries

La technologie de vision embarquée est sur le point de pénétrer presque tous les aspects de la vie quotidienne. Un panel récent à Embedded World 2021 a exploré son déploiement actuel, l'intégration de l'IA, et la dynamique edge-cloud.

Les avancées en capteurs, processeurs et logiciels propulsent la vision embarquée dans l'agriculture, la fabrication, les véhicules autonomes et le sport professionnel. La pandémie de COVID-19 a encore accéléré son déploiement, avec des systèmes de vision maintenant utilisés pour la surveillance publique, les contrôles de santé et les inspections de sécurité.

Vision embarquée activée par l'IA

L'intelligence artificielle redéfinit le traitement d'image alors que les développeurs adoptent de plus en plus le deep learning et les réseaux de neurones pour améliorer la détection et la classification d'objets. L'IA débloque de nouvelles possibilités, mais les panélistes s'accordent : elle doit devenir plus facile à utiliser.

« L'IA offre des avantages significatifs aux clients, mais peut sembler maladroite », a déclaré Olaf Munkelt, directeur général de MVTec Software. « Nous devons simplifier tout le flux de travail IA — de l'étiquetage de données et l'inspection à la gestion et au déploiement — pour que les solutions de vision embarquée délivrent une valeur tangible rapidement. » Munkelt a appelé à une approche intégrée qui rationalise chaque étape, incluant segmentation sémantique, classification et détection d'anomalies.

Fredrik Nilsson, responsable de l'unité Machine Vision chez Sick, a fait écho à ce sentiment. Il a noté que le deep learning résout des tâches avec lesquelles le traitement d'image basé sur règles lutte, mais les deux approches coexisteront pour un avenir prévisible. « Les solutions hybrides — utilisant le deep learning pour la segmentation et les algorithmes traditionnels pour la mesure — deviendront la norme », a dit Nilsson.

Munkelt a aussi mis en lumière la course au matériel accélérateur IA. Des startups produisent des puces qui peuvent surpasser les vendeurs GPU établis de 10 à 20x. La vitesse deviendra critique alors que les volumes d'images croissent, et la communauté vision explore activement ces accélérateurs pour une performance maximale.

Que se passe-t-il en edge ? Que se passe-t-il dans le cloud ?

Amazon Web Services (AWS) a présenté une stratégie double pour la vision embarquée. Austin Ashe, responsable des partenariats OEM stratégiques pour l'IoT, a dit qu'AWS vise à baisser la barrière d'entrée pour les nouveaux venus et à étendre la valeur au-delà des pilotes initiaux. « Environ 75 % des entreprises prévoient de passer du pilote à l'opération complète dans les deux à cinq prochaines années », a dit Ashe, soulignant le besoin d'orchestration entre edge et cloud.

Les appareils edge gèrent latence, bande passante, coût et sécurité. AWS peut surveiller les appareils — qu'il s'agisse d'une seule unité ou d'une flotte — fournissant des alertes temps réel et permettant les mises à jour over-the-air. Ce modèle permet aux entreprises d'entraîner un modèle dans le cloud puis de le déployer sur leurs machines de façon transparente.

Pour les organisations manquant de talents en data science, Ashe a expliqué qu'uploader juste dix à douze images d'anomalies dans le cloud peut instantanément produire un modèle de détection personnalisé, qui peut ensuite être itéré et poussé vers l'edge.

Pendant la conférence, Basler et AWS ont démontré comment leur partenariat comble l'écart avec AWS Panorama — un appliance machine learning et SDK qui permet la prise de décision visuelle temps réel — et Amazon Lookout for Vision, un service qui identifie défauts et anomalies dans les images.

Alors que les applications exigent une latence plus faible, Ashe a noté que l'edge restera primordial, mais les réseaux 5G émergents resserreront l'intégration entre cloud et edge, ouvrant de nouvelles possibilités de cas d'usage.

Complexité, taille et coût

Arndt Dake, CMO de Basler, a averti que le paysage multi-processeurs — CPU, GPU, accélérateur IA, ISP — ajoute de la complexité. « Les clients doivent mapper le logiciel sur quatre ressources au lieu d'une », a-t-il dit, soulignant que l'utilisabilité et les bénéfices démontrables驱动 l'adoption.

Sur la taille des appareils, Dake a dit que l'industrie continuera à réduire, avec les smartphones comme référence pour systèmes de vision compacts et haute performance.

Le coût reste une barrière. Munkelt a noté que beaucoup d'applications ne sont pas encore justifiées à cause des prix élevés ; réduire les coûts débloquera de nouvelles possibilités. Nilsson a ajouté que facilité d'usage, prix plus bas et appareils plus petits rendront la vision embarquée accessible aux petites entreprises qui n'ont pas encore adopté la technologie.

>> Cet article a été publié à l'origine sur notre site frère, EE Times Europe.