IA de pointe pour les Smart Cities : détection d'objets | Artificialy

"Grâce à l'AI en edge, la solution d’Artificialy a transformé la caméra d’un simple capteur passif en un observateur actif. Elle ne se contente pas d’enregistrer, elle comprend."

Le Défi

Un grand fabricant de technologies s'apprêtait à lancer une nouvelle caméra intelligente destinée à des cas d'utilisation dans les Smart Cities, tels que la gestion du trafic et la détection des piétons. Le défi était double :

Améliorer la précision de la reconnaissance des objets sur la route (par exemple, les feux de signalisation, les bus, les piétons), même dans des conditions d'éclairage ou météorologiques défavorables.
Intégrer un modèle d'AI robuste dans les contraintes matérielles strictes d'une empreinte mémoire de 8 Mo

Le modèle MobileNet existant, bien que compact, manquait de stabilité et de qualité de détection dans les conditions routières réelles. Une solution plus intelligente était nécessaire, capable de fonctionner localement et de manière fiable.

Avec l'expansion des Villes Intelligentes, les fournisseurs de technologies d'imagerie et de mobilité intègrent des systèmes intelligents à la pointe de la technologie. Leur mission : rendre les environnements urbains plus sûrs et plus efficaces grâce à des données en temps réel et à une prise de décision autonome.

Notre solution basée sur l'AI

Nous avons conçu un système de détection d'objets personnalisé, basé sur YOLO, optimisé pour la caméra intelligente du client. Le modèle a été développé dans TensorFlow et conçu pour répondre aux contraintes exactes de mémoire et de performance de l'appareil cible.

Parmi les innovations clés, citons :

Des techniques d'élagage pour réduire la taille du modèle de 6 millions à 4 millions de paramètres.
Des algorithmes de suivi pour une reconnaissance plus fluide des objets entre les images vidéo.
Des tests dans des conditions météorologiques et d'éclairage variées pour garantir la robustesse.

Le résultat est un modèle d'IA qui s'exécute directement sur l'appareil, transformant les vidéos brutes en informations exploitables, sans nécessiter de calcul ou de connectivité externe. Les données sont ensuite transmises à un système central pour un traitement ultérieur.

Résultats

Le système de vision AI amélioré a permis au client de passer en toute confiance du prototype au déploiement dans le monde réel dans une grande capitale européenne.

Réduction de 33 % de la taille du modèle sans compromettre les performances
Précision supérieure à celle de la configuration MobileNet précédente
Fonctionnalité vérifiée dans des conditions météorologiques et d'éclairage défavorables
Intégration et tests réussis dans le contexte des infrastructures intelligentes de Rome

Grâce à cette avancée, la voie est ouverte à des environnements urbains plus intelligents, plus sûrs et plus réactifs.