Edge AI Vision pour l’inspection automobile

Ces dernières années, les systèmes de vision dopés à l’IA ont radicalement transformé l’inspection des véhicules dans l’industrie automobile. Associés à des modèles IA avancés capables d’évaluer des milliers d’images par seconde, les systèmes modernes à caméras détectent désormais les défauts de production jusque dans les plus infimes imperfections de la peinture. La possibilité d’inspecter en temps réel tout au long de la production a permis d’améliorer de façon significative la qualité dans le secteur automobile.

Ces systèmes sont aussi utilisés par les compagnies d’assurance pour réduire drastiquement le temps de traitement des sinistres. La reconnaissance d’images par IA permet d’identifier, d’évaluer et de classer rapidement les dégâts sur les photos téléversées par le client, éliminant le contrôle manuel. Les ateliers de réparation profitent également de cette analyse intelligente pour localiser précisément les dommages et estimer les frais de réparation. Résultat : des temps d’immobilisation réduits et une estimation des coûts plus transparente, améliorant la satisfaction client.

Traitement des modèles IA en temps réel sur l’edge

Les plateformes edge computing jouent désormais un rôle crucial dans la vision artificielle en environnement industriel. Contrairement au traitement dans le cloud, ici les données sont analysées là où elles sont générées—directement sur la caméra ou le capteur—en s’appuyant sur des accélérateurs IA pour l’inférence en temps réel sur des flux vidéo contenant des centaines ou des milliers d’images par seconde.

Ces chaînes de traitements vidéo exploitent différentes combinaisons de CPU, GPU, ISP, VPU, NPU ou de matériel dédié IA, selon l’application et l’efficacité recherchée. Généralement, les vidéos ou images brutes sont chargées en mémoire locale pour être prétraitées par un CPU, VPU ou ISP (réduction du bruit ou batch), puis adressées à un accélérateur dédié pour la détection de défauts, la reconnaissance d’objets ou d’autres analyses par modèle IA. Les résultats d’inférence sont enregistrés en mémoire partagée et post-traités avant sortie vers l’affichage, les boucles de contrôle ou autres sous-systèmes de l’inspection automobile.

Figure 1

Figure 1. L’Axelera Metis AIPU présente sur le SOM-COMe-BT6-RK3588 offre jusqu’à 214 TOPS en puissance calcul IA—de quoi traiter huit flux HD en simultané tout en assurant la reconnaissance optique de caractères et la détection d’objets.

L’association d’un accélérateur IA et d’une mémoire embarquée optimisée permet de traiter simultanément, avec une faible latence, plusieurs flux vidéo sur un appareil edge compact. Un exemple est le SOM-COMe-BT6-RK3588, un module COM Express Type 6 Basic, parfaitement adapté aux systèmes compacts de vision neuronale, grâce à son format de 120 × 95 mm. Ce système intègre le puissant processeur Rockchip RK3588 (quatre cœurs Arm Cortex-A76, quatre Cortex-A55, trois Cortex-M0), jusqu’à 32 Go de LPDDR5, un GPU Mali, une NPU et une VPU.

Le véritable atout est l’Axelera AI Metis AIPU. Les benchmarks affichent jusqu’à 214 TOPS, soit environ 15 TOPS par Watt, ce qui en fait l’un des meilleurs accélérateurs dans sa catégorie. Cela permet de gérer des charges de travail AI multi-stream—jusqu’à 24 flux caméra en parallèle avec détection d’objets en temps réel—sur un edge device parfaitement optimisé.

En tant que partie intégrante du module COM Express de SECO, la Metis AIPU offre jusqu’à 120 TOPS de calcul IA effectif en production. Le CPU RK3588 embarqué gère jusqu’à quatre caméras, extensibles via la virtualisation de canal et l’agrégation MIPI CSI-2 virtual channels, pour construire des systèmes avancés d’inspection auto tirant pleinement partie de la puissance IA Metis.

Exploiter la puissance IA pour le traitement vidéo

Afin de simplifier le développement de vision neuronale haute performance sur l’edge, la Metis AIPU d’Axelera est supportée par le Voyager SDK, qui compile, optimise et déploie automatiquement la pipeline IA, compatible avec des frameworks comme LiteRT (anciennement TensorFlow Lite) et PyTorch.

Les développeurs peuvent ainsi tirer tout le potentiel de Metis pour une large gamme de cas d’usage. Les OEM et intégrateurs peuvent décliner de multiples configurations sur la même base hardware, selon les besoins du contrôle qualité automobile.

Un exemple : utilisation de deux quad-deserializer externes et MIPI-CSI VC pour agréger jusqu’à huit flux caméra sur chaque canal des deux connecteurs CSI du SOM-COMe-BT6-RK3588.

Axelera AI maintient une riche bibliothèque GitHub avec des projets comme 8×1080p60, 4×4K30 ou 1×8K30, utiles pour le test terrain réel.

Figure 2

Figure 2. Le SOM-COMe-BT6-RK3588 supporte des extensions I/O variées pour les applications spécifiques. Dans les systèmes d’inspection de production, deux quad-deserializer peuvent être ajoutés au carrier board pour agréger jusqu’à huit flux caméra grâce aux MIPI Virtual Channels (MIPI VC).

Comme présenté au Tableau 1, l’accélérateur Metis traite de un à huit flux vidéo HD avec inférence AI quasi en temps réel et peut gérer plus de douze caméras standard sans saturer les ressources.

Un nouveau paradigme pour l’inspection automobile AI edge

En intégrant un accélérateur IA dédié au SOM-COMe-BT6-RK3588, SECO montre que le standard COM Express est prêt à porter la vision neuronale avancée en edge pour la nouvelle génération de systèmes de contrôle qualité automobile. Ceci ouvre la voie à de nouvelles architectures systèmes pour des performances et une efficacité supérieures, clés du futur smart manufacturing automobile.

Plus d’informations sur les plateformes edge SECO avec technologie Axelera AI sur seco.com et SECO App Hub.