Actualité – STI – septembre 2024.

Information importante : Des contraintes techniques nous imposent de migrer le site Éduscol STI sur un nouveau serveur d'ici la fin de l'année 2024. À cette occasion, il changera également d'URL qui deviendra : https://sti.eduscol.education.fr.
Mise à jour du 16 janvier 2025 : demande de mise en production ; en attente de validation, de transfert des fichiers et de la base de données.

publié le 26 sep 2024 par Frédéric DELÉPÉE

Mise en œuvre de l’IA dans les systèmes embarqués pour la reconnaissance d’objet

Performances et limites d’implémentation dans les systèmes embarqués

L’IA et le Deep Learning dans le milieu agricole – Une application pour une plus grande productivité

L'implémentation de l'IA sur des cibles et processeurs embarqués nécessite des précautions. L'IA dite de classification avec MATLAB présente des limites (puissance, taille des modèles, vitesse d'exécution, compatibilité des bibliothèques, consommation d'énergie). Le passage d’un environnement de simulation au prototypage constitue une solution de validation efficace et la Raspberry Pi est idéale pour expérimenter et prototyper des modèles d'IA.

Ce projet de smart farming propose une approche agricole utilisant des technologies avancées pour accroître la productivité face à une population mondiale croissante. L’utilisation de l'intelligence artificielle permet de surveiller les cultures et d'effectuer un épandage sélectif de produits phytosanitaires, ce qui est crucial pour l'agriculture de précision. Le projet sur la surveillance de vignes décrit le traitement des données et des calculs avec MATLAB pour détecter des feuilles de vignes malades ou saines, en utilisant une carte Raspberry Pi et une webcam pour la reconnaissance des feuilles malades. Les élèves doivent analyser les temps de calcul et utiliser des techniques de Deep Learning pour la mise en œuvre du modèle d’inférence (ou de prédiction).