Indépendance alimentaire de demain : l’Edge AI trace son sillon

Monica Houston, responsable IA et ML, Tria Technologies 

L’influence des systèmes d’edge computing assistés par IA est appelée à grandir au fil des années. Les équipements agricoles traditionnels, tels que les tracteurs, les moissonneuses-batteuses et les systèmes d’irrigation intègrent désormais des capteurs et des processeurs capables de collecter les données, de les traiter à la périphérie du réseau et de prendre des décisions débouchant sur des interventions ciblées et en temps voulu. Les systèmes assistés par IA vérifient si les cultures ont besoin d’eau, si le sol comporte toujours des nutriments ou si les plantes sont attaquées par des ravageurs ou si le bétail est malade. Non seulement ces systèmes informent les exploitants, mais ils permettent également de trouver les bonnes solutions avec seulement un minimum d’intervention humaine.

L’IA permet également de réduire le coût et la charge de maintenance des machines. La maintenance prédictive utilise des techniques d’apprentissage machine, telles que la détection d’anomalies pour anticiper les pannes d’équipement avant qu’elles ne se produisent, en se basant sur les données de vibration et audio collectées sur la machine. Cela réduit les coûts de maintenance et les temps d’arrêt. 

Plus proche de la source

Dans les systèmes industriels, les données collectées par une multitude de capteurs transitent ensuite sur le cloud pour leur traitement et leur analyse, afin d’obtenir des informations plus pertinentes et de développer des stratégies à plus long terme. Le principe est le même pour les systèmes agricoles, mais dans ce cas, l’éloignement des champs et des fermes rendent peu fiable le chargement de gros volumes de données sur le cloud. Le traitement local, assuré par des applications d’Edge AI résout ce problème. Les fonctionnalités IA embarquées permettent de prendre des décisions intelligentes avec une faible latence, ce qui réduit d’autant les gros volumes de données à envoyer sur le cloud pour analyse. L’utilisation de périphériques intégrant des processeurs, des processeurs graphiques, des ASIC dédiés et des unités de traitement neuronal (NPU), la plupart comportant des fonctionnalités d’IA intégrées, permet de traiter ces données localement. Le cabinet d’analyse de marché Grand View Research estime que le marché mondial de composants Edge AI devrait atteindre 120 milliards de dollars d’ici 2030, contre 16 milliards en 2023, soit une croissance à un taux composé de 33,9 % au cours de cette période.

Les applications IA en périphérie sont pilotées par des modules de calcul embarqués qui utilisent ces processeurs conçus pour l’intelligence artificielle. Tria Technologies fournit une large gamme de modules COM (computer-on-modules), conçus en partenariat avec différents revendeurs de processeurs, tels qu’AMD, Intel, NXP, Renesas. L’un des partenariats les plus notables est celui qui a été établi avec Qualcomm, afin de permettre à Tria de créer une nouvelle génération de modules de calcul autour des processeurs hautes performances de Qualcomm, Dragonwing et Snapdragon, eux-mêmes basés sur une architecture ARM. Les tout nouveaux modules Tria SMARC couvrent un large spectre d’applications qui répondent aux besoins des systèmes agricoles intelligents, en assurant la vision artificielle, la détection des anomalies, la collecte et l’analyse des capteurs, la classification audio et bien plus encore. 

Modules de calcul embarqués pour l’agriculture

Les cartes de calcul embarquées avec fonctionnalités IA sont particulièrement intéressantes pour les applications d’agriculture intelligentes, car leurs différentes options permettent d’obtenir une taille compacte, de la robustesse, de la flexibilité et un calcul très performant. Ces cartes intelligentes peuvent être intégrées dans des tracteurs et des machines agricoles, ce qui permet d’exécuter l’apprentissage machine et les modèles d’IA localement. L’offre de cartes de Tria permet d’utiliser plusieurs caméras, qui peuvent être facilement adaptées aux robots agricoles autonomes et aux drones. Elles prennent également en charge les applications IA pour les calculs intensifs, notamment pour les grands modèles de langage (LLM) des applications qui nécessitent le traitement en langage naturel. Cela permettra de communiquer verbalement avec les machines très prochainement. 

La partie matérielle des cartes de calcul a été conçue pour gérer le traitement parallèle, afin d’accélérer des modèles tels que les réseaux de neurones convolutifs (CNN). Les processeurs spécialisés peuvent traiter ces tâches très rapidement à partir d’une alimentation basse puissance, ce qui permet de les utiliser sur pile ou de les alimenter avec des panneaux solaires. Les cartes compatibles IA et basse puissance de Tria sont présentes dans des applications de détection des anomalies qui utilisent une combinaison de données audio et d’accéléromètres pour détecter les fuites du système d’irrigation.

Des exploitants testent actuellement plusieurs projets reposant sur la vision artificielle et l’apprentissage machine pour détecter les maladies des plantes et du bétail. L’un de ces programmes permet de diagnostiquer les maladies des plantes à partir de photos de leurs feuilles. Un CNN est entraîné à partir d’un ensemble de données existant et d’une sélection de photos de feuilles pour identifier les maladies avec une précision de plus de 96 %. Cela permet d’isoler les plants atteints et de les arracher avant qu’ils ne contaminent les autres. 

La vision artificielle intervient également dans les projets de « pulvérisation », où des robots et des drones arrosent les plantes et vaporisent des produits phytosanitaires de façon sélective. Les robots peuvent fonctionner de façon autonome, en cartographiant le champ avec des capteurs, ou être pilotés à partir d’applications spécialisées. L’un des avantages du matériel agricole autonome est que ces machines sans conducteurs peuvent être plus petites et légères, ce qui réduit le compactage des sols et, par conséquent, les opérations de labourage. En utilisant la vision artificielle, ces systèmes peuvent cibler précisément les adventices à traiter et réduire les quantités de produits phytosanitaires. Des sols moins compactés et un usage moins intensif des produits sanitaires permettent aux exploitants de réaliser des économies considérables, de produire des récoltes plus saines et de mieux préserver l’environnement. 

Edge AI rendu possible par Tria

Tria est fier des avantages offerts à ses partenaires et à ses clients. Cette entreprise conçoit ses cartes en fonction des applications spécifiées par ses partenaires, mais aussi à partir des capacités et des spécifications de leurs périphériques. Par ailleurs, le partenariat entre Tria et Avnet (sa société parent) garantit la disponibilité des stocks sur un cycle de 15 ans, afin de s’assurer que les articles ne deviennent pas obsolètes pendant cette période. 

Tria développe et intègre des cartes et des périphériques dans des systèmes personnalisés au nom de ses clients, ce qui élimine les difficultés techniques et les longues périodes de développement souvent associées à l’introduction de nouveaux produits, notamment maintenant que l’IA est devenue incontournable. 

Choisir un processeur pour les applications assistées par IA est une tâche complexe. Tria propose une large gamme de modules SOM (system-on-modules) conçus spécifiquement pour les processeurs assistés par IA. Nous proposons également une large gamme de cartes de base compatibles qui utilisent des normes populaires, telles que SMARC, ainsi que des conceptions de référence qui incluent des exemples de code pour les applications d’apprentissage machine. Les clients disposent de tous les éléments nécessaires pour leurs projets d’utilisation de l’IA à la périphérie des réseaux. Ils peuvent ainsi réagir encore plus rapidement aux nouvelles exigences sans passer par des phases de développement complexes, chronophages et onéreuses, ce qui augmente leurs chances de succès.