Solutions · Cas d’usage IA
Tâches de vision embarquées — surveillance conducteur, aide à la conduite, sécurité chantier, sécurité des biens — fusionnées avec la télémétrie véhicule en direct. Caméra et NPU partagent la mémoire, sans copie de pixels par le CPU. Apportez un modèle ONNX ou TFLite ; jusqu’à ~100 TOPS sur le palier AI-class.
Catalogue de cas d’usage IA
Chaque tâche est un modèle sur l’appareil fusionné avec OBD, GNSS et CAN synchronisés. La vidéo est analysée sur le boîtier — seuls les événements et les clips que vous choisissez quittent le véhicule. Apportez votre propre modèle ou faites-en entraîner un à partir de vos images.
Les tâches tournent aujourd’hui sur la détection et la classification. Les tâches marquées à l’étude utilisent la pose, l’estimation de distance ou la lecture de texte et sont en développement — validées par flotte avant déploiement.
Conducteur — vers l’intérieur
La vision tournée vers la cabine surveille le conducteur, pas la route. Chaque détection est conditionnée par l’état de trajet, de vitesse ou d’allumage, pour des alertes en contexte — et le flux cabine est analysé sur le boîtier, jamais téléversé.
Les schémas de fermeture des yeux et de dodelinement sont évalués sur l’optique cabine et pondérés par le temps déjà passé au volant, de sorte qu’un long service de nuit augmente la sensibilité. L’inférence s’exécute sur le boîtier — le flux cabine ne quitte jamais le véhicule.
La posture tête baissée, yeux hors route est classée en continu, mais l’alerte est retenue jusqu’à ce que la vitesse GNSS franchisse un seuil de mouvement — un coup d’œil au téléphone à l’arrêt ne la déclenche pas. Uniquement sur le boîtier.
Les gestes main-à-l’oreille et appareil tenu en main sont classés pendant que le véhicule roule, distinguant un coup d’œil rapide d’un usage prolongé en main. Aucune image n’est téléversée pour trancher.
Le port de la ceinture et les infractions à la politique en cabine sont lus depuis l’image et corrélés avec l’allumage et le mouvement, de sorte que le contrôle ne s’applique qu’une fois le véhicule réellement en service.
Route — vers l’extérieur
La vision tournée vers la route surveille la trajectoire avant. Les détections fusionnent avec sa propre vitesse, le braquage et le CAN du clignotant, pour qu’une alerte reflète ce que fait réellement le véhicule — pas une simple supposition sur les pixels.
Le véhicule de tête et la distance qui se réduit sont suivis sur l’optique avant et fusionnés avec sa propre vitesse, de sorte que l’alerte d’impact imminent s’ajuste à la vitesse réelle d’approche.
La dérive dans la voie est détectée sur l’optique route et supprimée dès que l’état CAN du clignotant montre que la manœuvre est intentionnelle — les changements de voie signalés ne déclenchent pas de fausse alerte.
Les piétons et cyclistes sur la trajectoire avant sont détectés et classés selon la vitesse et l’angle de braquage, pour que le risque le plus proche sur la trajectoire soit signalé en premier.
La distance de suivi est estimée à partir de l’image avant et notée par rapport à la vitesse pour un score d’écart temporel. L’estimation de distance est en développement et validée par flotte avant déploiement.
Les panneaux de limitation de vitesse sont lus par OCR sur le boîtier et comparés à la vitesse mesurée pour lever un événement d’excès de vitesse. La lecture des panneaux est en développement et validée par flotte avant déploiement.
Chantier — autour et derrière
La vision autour et derrière couvre la zone de danger à basse vitesse — marche arrière, chargement et manœuvres près des personnes. L’alarme de sécurité se déclenche localement sur le boîtier, sans cloud dans la boucle.
Une personne entrant dans une zone de danger définie autour d’une machine ou d’un véhicule en marche arrière est détectée et déclenche une alarme locale sur le boîtier — aucun aller-retour cloud dans la boucle de sécurité.
Les personnes et obstacles sur le côté ou derrière sont détectés lors des manœuvres à basse vitesse, couvrant les angles morts qu’un rétroviseur manque.
L’estimation de pose signale une personne au bord d’un hayon ouvert pendant le chargement. Le travail sur la pose est en développement et validé par flotte avant déploiement.
Avant que le véhicule ne soit autorisé à démarrer, la zone arrière est confirmée dégagée de toute personne. Conditionnée par le rapport engagé et en développement, validée par flotte avant déploiement.
Bien — cabine et cargaison
La vision cabine et cargaison surveille le bien lorsque le véhicule est garé ou roule sans surveillance. Les détections sont horodatées avec le GNSS et conditionnées par l’état de verrouillage, d’allumage et de mouvement.
Un passager, un enfant ou un objet laissé dans la cabine est détecté après l’extinction de l’allumage et les événements de porte, de sorte que l’alerte se déclenche une fois le véhicule garé et en cours de vidage.
Une personne entrant dans la zone de cargaison alors que le véhicule est garé et verrouillé est détectée et horodatée avec la position GNSS pour l’enregistrement de l’événement.
Une porte ouverte lue depuis l’image est recoupée avec la télémétrie de mouvement, de sorte que l’événement ne se déclenche que lorsqu’une porte est ouverte alors que le véhicule roule réellement.
À la demande & apportez votre modèle
Le runtime est agnostique au modèle. Livrez un modèle ONNX ou TensorFlow et il est converti pour vous au format embarqué, ou faites-en entraîner un à partir de vos images annotées. Les modèles se chargent au démarrage d’un pipeline et se libèrent à son arrêt, de sorte qu’un appareil peut porter plusieurs cas d’usage du catalogue ci-dessus.
ONNX · TFLite Apportez un modèle ONNX ou TensorFlow ; il est converti pour vous au format embarqué .tflite. Jusqu’à ~50 Mo ; en dessous de 5 Mo, la latence reste la plus basse.
NPU embarqué Les images sont analysées sur le NPU avant qu’un octet ne quitte le boîtier. La vidéo brute reste locale — seuls les événements et les clips que vous choisissez de téléverser quittent le véhicule.
charge · libère Les modèles se chargent au démarrage d’un pipeline et se libèrent à son arrêt. Un seul modèle ou plusieurs en cascade sur le NPU, sur les mêmes images.
détection + télémétrie Chaque détection est fusionnée avec OBD, GNSS et CAN synchronisés — un cas d’usage peut donc être conditionné par la vitesse, le rapport ou l’état des portes. Le pipeline complet vit chez AI Funnel.
Où ça s’exécute
Les produits caméra qui portent ces tâches — boîtier OEM, dashcam embarquée, réseau multicaméra de flotte. Capturer, enregistrer, diffuser, récupérer, réveiller, IA cloud.
Le pipeline en dessous — caméra → plan de frames → shader ROI → NPU, sans copie de pixels par le CPU dans le chemin d’inférence.
FAQ
Oui. Livrez un modèle ONNX ou TensorFlow et il est converti pour vous au format embarqué .tflite, jusqu’à ~50 Mo. En dessous de 5 Mo, la latence reste la plus basse. Ou faites-en entraîner un à partir de vos images annotées.
Sur le NPU du boîtier, sur silicium AI-class. La vidéo brute est analysée sur le boîtier — seuls les événements et les clips que vous choisissez de téléverser quittent le véhicule. Il n’y a pas de repli d’inférence sur CPU.
Oui. Les modèles se chargent au démarrage d’un pipeline et se libèrent à son arrêt, de sorte qu’un appareil peut porter plusieurs tâches du catalogue — un seul modèle ou plusieurs en cascade sur le NPU, sur les mêmes images.
Le réentraînement cloud, la quantification et la livraison OTA des modèles sont gérés par le pipeline AI Funnel. Les modèles réentraînés arrivent sur l’appareil sans mise à jour complète du firmware.
Choisissez les tâches qu’il vous faut, apportez votre propre modèle ou vos images, et nous esquisserons le pipeline embarqué pendant l’appel.
Une réponse de l'équipe d'ingénierie, ~24 h. Pas de pitch, pas de NDA.