Académique Documents
Professionnel Documents
Culture Documents
Conception Et Implémentation D'un Système de Détection Des Ravageurs Pour L'agriculture de Précision Basée Sur L'apprentissage Automatique
Conception Et Implémentation D'un Système de Détection Des Ravageurs Pour L'agriculture de Précision Basée Sur L'apprentissage Automatique
Résumé :
Ce travail s’inscrive dans le contexte de réalisation d’une start-up. L’objectif est de concevoir
une solution intelligente de surveillance des insectes en temps réel qui aide l’agriculteur,
l’agronome, ou producteurs de prendre la décision en bon moment cette solution basé sur la
vision et l’intelligence artificielle.
REMERCIEMENTS
« À mes chers parent ma mère et mon père pour leur Patience, leur amour, leur soutien et leur
encouragement. Nos sincères remerciements à tous les membres du jury qui nous ont fait
l’honneur de réviser ce travail. Un remerciement spécial au M. Bachir Ben Brika et au Mme
Nawrez Mejri pour leur patience, leur aide et leurs conseils pour élaborer ce travail. Une
personne que je dois mentionner pour son aide est Mme Najjar Wafa, un grand merci pour son
soutien »
SOMMAIRE
Contexte de projet......................................................................................................................................................................... 10
II. Caractéristiques................................................................................................................................................................. 15
III. Architecture........................................................................................................................................................................ 16
1. Capteurs et appareils............................................................................................................................................................. 17
2. Connectivité............................................................................................................................................................................ 19
3. Cloud........................................................................................................................................................................................ 22
4. Interface utilisateur............................................................................................................................................................... 24
2. Conservation de l’énergie.................................................................................................................................................... 25
V. Agriculture intelligente.................................................................................................................................................... 26
1. Définition................................................................................................................................................................................ 26
2. Solutions existants................................................................................................................................................................. 26
2. Serre intelligente.....................................................................................................................................................28
VI. Avantages............................................................................................................................................................................ 28
I. Apprentissage automatique............................................................................................................................................ 30
1. Modèles.................................................................................................................................................................................... 34
2. Framework.............................................................................................................................................................................. 34
3. Implémentation...................................................................................................................................................................... 37
1. Définition................................................................................................................................................................................ 39
2. Solutions existants................................................................................................................................................................. 40
2. Trapview.................................................................................................................................................................41
3. e-Gleek.....................................................................................................................................................................42
4. Fauna photonics......................................................................................................................................................43
I. Concept de solution........................................................................................................................................................... 49
1. Présentation de la maquette................................................................................................................................................. 49
2. Capteur....................................................................................................................................................................50
2. Le système embarqué............................................................................................................................................................ 51
1. Architecture........................................................................................................................................................................ 51
1. Langage de programmation................................................................................................................................................ 53
2. Outils de conception......................................................................................................................................................... 56
1. Draw.io..................................................................................................................................................................................... 56
2. SketchUp................................................................................................................................................................................. 57
Introduction................................................................................................................................................................................... 63
1. Choix de la solution............................................................................................................................................................... 63
1. Raspberry Pi...........................................................................................................................................................65
Introduction................................................................................................................................................................................... 69
SIGLES ET ABREVIATIONS
IT Information Technology
mémoire
Cette partie a pour objectif d’exposer le contexte lié à cette mémoire. Ce projet ayant pour nom
« Liris » a pour objectif la surveillance à distance des insectes .Nous consistons à implémenter
un système de détections de ravageurs pour l’agriculture de précision basée sur l’apprentissage
automatique ce chapitre présente le contexte général et définissant la problématique et la
manuscrit.
Introduction Générale
Les technologies électroniques et TIC gagnent du terrain dans les services agricoles,
l'agriculture de précision développe de nouvelles solutions pour la gestion de l'eau, l’analyse de
sol, optimisation des traitements ; puisque le but de l'agriculture de précision est d'obtenir le
produit le plus sain de manière durable. La plupart de ces applications utilisent des capteurs
intelligents qui sont gérés à partir de systèmes embarqués à faible coût et à faible
consommation d'énergie.
Selon les estimations de la FAO, entre 20% et 40% de la production agricole mondiale est
détruite chaque année par les parasites. Chaque année, l’impact économique de ces pertes liées
aux les insectes ravageurs sont estimées à hauteur de 70 milliards d’euros.
Contexte de projet
Ce travail présente une solution d’agriculture intelligente et innovante basée sur l’apprentissage
automatique et des objets connectés destiné à toute personne désirant obtenir ou collecter les
informations sur les insectes ravageurs dans sa parcelle en temps réel.
Problématique
Les organismes nuisibles, en particulier pour les végétaux, sont l’un des principaux facteurs de
pertes de production et de biodiversité dans le monde. De plus en plus fréquemment, des
maladies et des ravageurs émergent ou ressurgissent, portant atteinte à la santé des plantes et,
par extension, à l’environnement, notre alimentation et notre santé. Lutter contre ces menaces
représente un coût et, si l’on y ajoute les pertes de production qu’elles occasionnent, chaque
année plusieurs milliards d’euros à l’échelle mondiale sont investis ou perdus. « Philippe
Reignault , directeur de la santé des végétaux et du Laboratoire de la santé des végétaux de
l’Anses ». En effet ; les attaques de ravageurs impactent fortement la production il est donc
indispensable de mettre en place une prévention efficace pour éviter des conséquences
importantes.
La sur utilisation des pesticides est en partie due au fait que les informations sur les espèces et
les densités de ravageurs ne peuvent être fournies en temps opportun et avec précision. En
revanche, si les informations sont fournies en temps opportun, il pourrait être possible de
prendre des mesures de prévention appropriées et d'adopter des stratégies de lutte antiparasitaire
appropriées, y compris l'utilisation rationnelle des pesticides. Au regard de tous ces problèmes
et vu l’essor fulgurant de la technologie, l’intégration de TIC dans le processus de production
agricole pour aider à la prise de décisions.
Explication du sujet
Nous allons décrire le sujet, ses objectifs, son périmètre, et définissant la manuscrit de travail. Le
mémoire de fin d’étude pour l’obtention du diplôme Master Professionnel Co-construite en
nouvelles technologies de la communication et de l’information dédiée à l’innovation de
l’agriculture a été intitulé «Conception et implémentation d’un système de détection des ravageurs
pour l'agriculture de précision basée sur l'apprentissage automatique de l'IoT »
Le but de ce mémoire est de proposer une maquette d’un piège connecté qui sera suivie d’une
application mobile permettant de visualiser, à partir d’un réseau distant en temps réel, les
informations liées aux insectes. L’interface sera simple et intuitive pour permettre à
l’utilisateur, un accès rapide à l’information, notre système est d’aider un simple agriculteur,
avec un équipement très simple, facile à manipuler. L’objectif est de contrôler intelligemment
une zone agricole contre les insectes.
Afin de bien mener ce projet, les objectifs intermédiaires suivants sont définis
Construction du manuscrit
Dans ce manuscrit, nous nous mènerons des recherches sur les différentes notions abordées par
le sujet, présenter quelques systèmes existants, trouver des solutions pour offrir plus de
fonctionnalités à notre système.
Ensuite, nous faire une analyse fonctionnelle et une étude conceptuelle du système. Pour cela,
nous ferons appel aux applications de méthodes conceptuelles à savoir UML (Unified
Modeling Language). Ce dernier est un langage de modélisation graphique qui s’articule autour
des diagrammes et s’appuie sur un formalisme de description normalisée, conçu pour visualiser
la conception d’un système.
En troisième lieu, nous définirons l’architecture du système de même que son fonctionnement.
Nous expliquerons tant bien au niveau logiciel qu’au niveau matériel pour mieux comprendre
son fonctionnement. Et nous présenterons également les différents composants, leurs utilités et
leurs interactions. En effet, au-delà de la représentation physique, il est important de définir les
différents logiciels et programmes utilisés, leur orchestration en vue d’obtenir un système sûr,
fiable et adapté aux besoins des usagers.
Ce chapitre présente en premier lieu le concept d’internet des objets et les différentes
architectures logicielles et matériels et en deuxième lieu présenté les concepts fondamentaux de
l’agriculture intelligente avec quelques solutions existantes la solution à la problématique du
projet étaient orientés vers une solution d’agriculture intelligente et innovante basée sur les
techniques de réseau sans fil et des objets connectés.
CHAPITRE 1. INTERNET DES OBJETS ET AGRICULTURE INTELLIGENTE
Le groupe de travail Internet of Things Global Standards Initiative (IoT-GSI), piloté par
l’International Télécommunication Union (ITU), considère l’IoT comme « une infrastructure
mondiale au service de la société de l’information » permettant « d’offrir des services
évolués en interconnectant des objets (physiques et virtuels) grâce à l’interopérabilité de
technologies de l’information et de la communication existantes ou en évolution ».
De son côté, l’IEEE définit l’IoT comme un « réseau d’éléments chacun muni de capteurs
qui sont connectés à Internet ».L’IoT-GSI définit également un objet connecté comme un
équipement possédant les sept attributs suivants :
- Capteurs
- Connectivité à Internet
- Processeurs
- Efficacité énergétique
- Coût optimisé
- Fiabilité
- Sécurité
II. Caractéristiques
— Détection : L'IoT ne fonctionne pas sans capteurs. Un capteur détecte ou mesure les
changements dans l'environnement. Il génère des données qui peuvent informer sur son
statut
III. Architecture
L’architecture d’une solution connectée est constituée ; des objets connectés se connectant
au Cloud et envoyant leurs données à des fins de stockage et d'analyse, les utilisateurs
accédant à la solution via une application Web ou mobile (ou les deux) pour afficher les
données, envoient des commandes à l'objet.
Premièrement, les capteurs ou les appareils collectent des données de leur environnement.
Ensuite, ces données sont envoyées dans le cloud, mais il faut un moyen d'y arriver les
capteurs / actionneurs peuvent être connectés au cloud via une variété de méthodes,
notamment: cellulaire, satellite, WiFi, Bluetooth, réseaux étendus à faible consommation
(LPWAN), connexion via une passerelle. Chaque option présente des compromis entre la
consommation d'énergie, la portée et la bande passante.
Voilà schématisé ci-dessous une architecture d’un système d’objets connectées :
Figure 2: Architecture détaillé d’un système IoT
Une fois que les données sont arrivées dans le cloud (nous aborderons ce que signifie le
cloud dans notre section de traitement des données), le logiciel y effectue une sorte de
traitement. Ensuite, les informations sont rendues utiles à l'utilisateur final d'une certaine
manière. Cela peut se faire via une alerte à l'utilisateur (e-mail, texte, notification, etc.). Par
exemple, une alerte textuelle lorsque la température est trop élevée dans la chambre froide de
l'entreprise.
Chaque système IoT combine les quatre composants que nous avons décrits et commencé à
détailler, capteurs / appareils, connectivité, traitement des données et interface utilisateur.
1. Capteurs et appareils
Les appareils de l’Internet des objets ont pour objectif de collecter des informations, de les
analyser et de générer une réponse appropriée. Pour remplir ces fonctions, les systèmes
intelligents doivent installer des capteurs. Les capteurs rendent compte de l’état du monde
réel. Ces petites technologies constituent la première ligne d’automatisation et jouent un rôle
essentiel dans un écosystème IoT.
La figure 3, montre les cinq classes regroupant les différents concepts d’une ontologie de
capteurs :
Capteur : Ce sont les concepts pour décrire les capteurs, les systèmes, les composants et
les dispositifs (device).
Observation. Ce concept peut être étendu en se basant sur le standard (O & M) pour les
observations et les mesures.
Capacités : Ce sont les concepts pour décrire ce que le capteur mesure; le mesure-til
correctement ? Comment peut-il le mesurer ? les types de valeurs des mesures (field of
view) et sa politique d’acquisition.
Processus : Ce sont les concepts pour les entrées et sorties, la politique de transmission,
les fonctions et procédures. Les concepts pour décrire comment une mesure est faite et
pour décrire comment les capteurs et autres systèmes sont combinés ensemble.
Propriétés physique : Ce sont les concepts pour décrire : où se trouve le capteur, où il
mesure, son niveau d’énergie, à quoi il est attaché, ses dimensions physiques et son
poids, ses conditions opérationnelles et son fabriquant.
Définition
Un capteur est un dispositif transformant l’état d’une grandeur physique observée en une
grandeur utilisable. On fait souvent la confusion entre capteur et transducteur. Il faut savoir
qu’un capteur est constitué au minimum d’un transducteur. Le capteur se distingue de
l’instrument de mesure par le fait qu’il ne s’agit que d’une simple interface entre un
processus physique et une information manipulable. La figure suivante montre le
composant de base d’un capteur intelligent.
Figure 4: Architecture d’un capteur « intelligent »
Actionneurs - dispositifs qui contrastent avec les capteurs. Il transforme les signaux
électriques en mouvements physiques. Les capteurs et les actionneurs sont des
transducteurs qui convertissent une forme d'énergie en une autre. L'échange de données est
le facteur clé le plus important de l'IoT. C'est pourquoi les capteurs et les actionneurs
jouent ici un rôle essentiel.
Les actionneurs, qui induisent un mouvement, peuvent être classés en trois catégories, à
savoir les actionneurs électriques, hydrauliques et pneumatiques en fonction de leur
fonctionnement. Les actionneurs hydrauliques facilitent le mouvement mécanique en
utilisant un fluide ou une puissance hydraulique. Les actionneurs pneumatiques utilisent la
pression de l’air comprimé et les actionneurs électriques utilisent l’énergie électrique.
2. Connectivité
L'Internet des objets est composé de capteurs / appareils connectés, donc par définition, un
système IoT a besoin d'une sorte de connectivité, surtout s'il utilise le cloud.
Pour envoyer sans fil beaucoup de données sur une grande distance, il faut beaucoup
d'énergie. Un bon exemple de ceci est notre smartphone. notre téléphone peut recevoir et
transmettre de grandes quantités de données (par exemple, des vidéos) sur de grandes
distances, mais vous devez le recharger tous les 1 à 2 jours. Les options de connectivité de
ce groupe incluent le cellulaire et le satellite.
Ethernet est une connexion câblée, la portée est donc courte car elle ne correspond qu'à la
longueur du fil. Le WiFi et le Bluetooth sont tous deux des connexions sans fil avec une
bande passante élevée et une consommation d'énergie inférieure à celle du cellulaire et du
satellit.
Pour augmenter la portée tout en maintenant une faible consommation d'énergie, nous
devons réduire la quantité de données que vous envoyez. Les options de connectivité de ce
groupe sont appelées réseaux étendus à faible puissance (LPWAN).
Les LPWAN envoient de petites quantités de données qui leur permettent de fonctionner à
très faible puissance avec des distances en miles plutôt qu'en pieds. Par exemple, un
capteur d'humidité à des fins agricoles n'a pas besoin d'envoyer beaucoup de données, peut-
être juste un seul chiffre (le niveau d'humidité) toutes les quelques heures. Nous ne voulons
pas non plus que ce capteur consomme beaucoup d'énergie car il doit fonctionner sur
batterie.
Les LPWAN sont extrêmement utiles pour de nombreuses applications IoT. Ils permettent
à des tonnes de capteurs de collecter et d'envoyer des données sur de vastes zones tout en
prolongeant la durée de vie de la batterie.
Nous allons approfondir certaines des options de connectivité que nous avons mentionnées
ici :
Les réseaux très courte distance Les réseaux personnels ou WPAN (wireless personal
area network) sont des réseaux de capteurs ou WSN (wireless sensor network) sont des
réseaux dédiés à la collecte d’informations issues de capteurs de température, d’humidité,
de présence, de fumée, ... et qui sont installés principalement dans les environnements
industriels et domestiques.Les réseaux corporels ou wban (wireless body area network)
sont des réseaux portés sur le corps humain ou animal. Ils sont interconnectés avec
l’infrastructure de wpan ou de réseau local.
Les réseaux moyenne distanceLes réseaux moyenne distance ou réseaux locaux wlan
(wireless local area network) sont exclusivement centrés autour de la technologie wifi.
Les réseaux longue distanceLes réseaux longue distance ou wwan (wireless wide area
network) sont principalement les réseaux de téléphonie mobile 2g, 3g, 4g,5g,6g mais
également les réseaux métropolitains de type wimax.Le réseau iot quant à lui est en phase
de déploiement de réseaux de type LPWAN (lowpower wan), c’est à dire longue distance
et faible consommation d’énergie. Cette classification s’appuie sur des critères
spécifiques ; les principaux critères de classification sont le débit (du kilo bits au méga bits
par seconde), la portée (du cm au km), la consommation d’énergie (du microWatt au
Watt), l’autonomie (d’une heure à dix ans) et le coût (de 10 centimes à une centaine
d’euros).
Consommation
Protocole Standard Portée Fréquence Débits
d’énergie
ISO/IEC
NFC 10 cm 13.56MHz 100–420kbps faible
18000-3
ZigBee 3.0
Zigbee based on 10–100 m 2,4 GHz 250 Kbps faible
IEEE802.15.4
Bluetooth 4.2
50-150m
Bluetooth core 2.4GHz 1Mbps (Smart/BLE) faible
(Smart/BLE)
specification
Based on Environ 50 2,4GHz et
Wifi 600 Mbps maximum Elevé
802.11n m 5 GHz
Sigfox Sigfox 30-50km 900 MHz 10-1000 bps faible
(milieu
rural) 3-
10km
(milieu
urbain)
Based on Environ 50 2,4GHz et
Wifi 600 Mbps maximum Elevé
802.11n m 5 GHz
30-50km
(milieu
rural) 3-
Sigfox Sigfox 900 MHz 10-1000 bps faible
10km
(milieu
urbain)
15km
(milieu
LoRa LoRaWAN rural) 2-5km Variante 0,3-50 kbps faible
(milieu
urbain)
35-170kps (GPRS), 120-
GSM/GPRS/ 35km max 384kbps (EDGE),
900/1800/1
EDGE (2G), for GSM; 384Kbps-2Mbps
Cellulaire 900 Elevé
UMTS/HSPA 200km max (UMTS), 600kbps-
/2100MHz
(3G), LTE (4G) for HSPA 10Mbps (HSPA), 3-
10Mbps (LTE)
Jusqu'à présent, nous avons couvert les capteurs / appareils qui collectent des données dans
le monde et les technologies de connectivité qui permettent à ces capteurs / appareils de
transmettre ces données au cloud pour traitement. Mais qu'est-ce que le cloud? Et que se
passe-t-il lorsque ces données sont reçues?
3. Cloud
Caractéristiques
Accès ubiquitaire Les ressources informatiques sont accessibles en tout lieu, par Internet
ou autre réseau de télécommunication, par l’intermédiaire de mécanisme d’accès usuels,
même légers (fureteur, applications mobiles), et par l’entremise de multiples plateformes
(ordinateurs portables, assistants numériques personnels ou téléphones cellulaires).
Avantages
— Connectez le matériel.
— Gérez différents protocoles de communication.
— Assurer la sécurité et l'authentification des appareils et des utilisateurs.
— Collectez, visualisez et analysez les données.
— Intégrez-vous à d'autres services Web.
Nous avons couvert les capteurs / appareils qui sont dans le monde pour collecter des
données et effectuer des actions. Nous avons couvert la connectivité qui permet à ces
capteurs / appareils d'envoyer et de recevoir des données depuis le cloud. Et dans la section
précédente, nous avons vu comment ces données sont ingérées et transformées pour fournir
des informations précieuses et automatiser les processus.
4. Interface utilisateur
Les utilisateurs ont besoin d'un moyen de visualiser et de comprendre les données capturées
par l'IoT. une interface utilisateur est le moyen par lequel un utilisateur et un système
informatique interagissent. Beaucoup considèrent les interfaces utilisateur comme de
simples logiciels ou applications sur téléphones et ordinateurs, mais une interface utilisateur
peut être n'importe quoi, d'une montre intelligente à Amazon Echo à commande vocale en
passant par les boutons d'un tableau de bord de tracteur intelligent.
Applications natives
Les applications natives sont ce à quoi la plupart des gens pensent lorsqu'ils pensent aux
interfaces utilisateur mobiles. Les applications natives sont des applications que vous
téléchargez directement sur votre téléphone. L'avantage des applications natives est que
vous avez un meilleur accès aux fonctionnalités du téléphone
Applications Web
Comme un site Web, une application Web est accessible en accédant à une certaine URL
(par exemple, https://examplewebapp.com ). Cependant, alors que les sites Web sont
largement informatifs (comme Wikipedia), les applications Web sont conçues pour avoir
certaines fonctionnalités (comme le contrôle d'un appareil à distance). L'avantage des
applications Web est qu'elles peuvent fonctionner à la fois sur iOS et Android, car vous
utilisez simplement un navigateur Web au lieu de télécharger quelque chose.
Applications hybrides
Comme son nom l'indique, les applications hybrides se situent entre les applications natives
et les applications Web. Vous téléchargez toujours quelque chose, comme une application
Web, mais lorsque vous ouvrez l'application, cela ouvre essentiellement une page Web, ce
qui signifie qu'elle peut agir comme une application Web
Étant donné la quantité de pénurie d’eau qui prévaut dans la plupart des régions du monde,
il est très important de gérer efficacement nos ressources en eau. En conséquence, la plupart
des villes optent pour des solutions intelligentes qui placent beaucoup de mètres sur les
conduites d’alimentation en eau et les égouts pluviaux. Les compteurs peuvent être utilisés
pour mesurer le degré d’entrée et de sortie d’eau et pour identifier d’éventuelles fuites. Les
systèmes de comptage d’eau intelligents sont également utilisés conjointement avec les
données des satellites météorologiques et des capteurs d’eau fluviale. Ils peuvent également
nous aider à prévoir les inondations.
2. Conservation de l’énergie
V. Agriculture intelligente
1. Définition
Selon la FAO, l’agriculture intelligente face au climat (CSA-Climat Smart Agriculture) est
une approche intégratrice qui s’adresse aux défis liés à la sécurité alimentaire et au
changement climatique, qui vise explicitement 3 objectifs :
L’agriculture intelligente utilisant les IOT consiste à améliorer la gestion de l’eau, la gestion
du sol, la surveillance des cultures, le contrôle des insecticides et des pesticides. Les capteurs
des IOT sont capables de fournir aux agriculteurs des informations sur les rendements des
récoltes, précipitations, infestation de parasites et la nutrition du sol. En plus de cela, les
capteurs peuvent collecter des données précises qui peuvent être employées pour améliorer
des techniques agricoles avec le temps.
L'agriculture intelligente est un développement qui met l'accent sur l'utilisation de. Des
technologies telles que l'Internet des objets (IoT) et le Cloud Computing ont accéléré la
transformation numérique des pratiques agricoles conventionnelles, promettant une
augmentation du taux de production et de la qualité des produits.
2. Solutions existants
Lely fournit des équipements robotisés d'alimentation et de traite des bovins qui peuvent être
intégrés à un système d'information de gestion agricole intelligent.
Figure 5: robot d'alimentation Lely, qui peut être intégré à l'IoT. Crédit photo: maxpixel.net
NoFence utilise des colliers d'animaux intelligents pour activer le géo repérage. Les colliers
fournissent un «stimulus» électrique doux qui encourage l'animal à rester dans le pâturage
désiré. L'outil aide à gérer le surpâturage. Lorsqu'il est combiné avec d'autres IoT et systèmes
d'information géographique (SIG), il peut également soutenir une productivité améliorée, une
gestion des terres et une agriculture régénérative
— Aide à la surveillance permanente de terre, afin que les précautions puissent être
prises au stade précoce.
— Gain de temps
d’images
I. Apprentissage automatique
L’apprentissage automatique (Machine Learning) fait partie de l’intelligence artificielle qui
permet d’effectué des calculs afin de résoudre un problème complexe. La particularité de
machine Learning est que la méthode utilisée permettent à la machine d’apprendre à réaliser
une tache en fonction des nombreuses données d’entré.
La première étape consiste à extraire la zone d’intérêt dans laquelle se trouve les éléments
que l’on veut classifier. Cette étape permet de réduire l’influence des données peu pertinentes
dans l’image. Les prétraitements constituent une étape important et essentiel de cette chaîne.
La manipulation de l’image (filtres, segmentation binaire, superpixels, changement d’espaces
couleurs, etc.) permet de renforcer ou faire apparaître les éléments importants tout en
réduisant les contributions non utiles. La phase de normalisation permet de conserver une
homogénéité entre les images utilisée pour l’apprentissage. L’extraction de caractéristiques
est une étape cruciale, permettant de transcrire l’information visuelle en une information plus
stable et compréhensible par l’algorithme d’apprentissage.
Ces réseaux sont surtout utilisés à reconnaissance de texte ou en traduction ils possèdent des
boucles de connexions récurrentes, propageant le résultat d’un neurone au précédent ou à lui-
même. Ainsi, le réseau conserve en "mémoire" tout ou partie des informations précédentes et
est donc capable de les utiliser afin d’affiner les résultats suivants
Les CNN sont similaires aux réseaux de neurones profonds ordinaires mais leur architecture
est spécifique au traitement d’images. En effet, l’information de l’image est traitée en
déférents points par une convolution avec plusieurs filtres pour chaque couche. La récente
popularité du Deep Learning est due à ces réseaux, permettant entre autres les dernières
avancées en matière de conduite autonome, d’analyse complexe d’images, etc.
Nous avons parlé de deux familles majeures de modèle à savoir les réseaux convolutifs,
ainsi que les réseaux récurrents. Nous rentrerons plus en détail sur les réseaux de neurones
convolutifs (CNN).
MobileNet est un modèle proposé par des chercheurs de Google Brain en Avril 2017.
comme son nom l’indique est de porter le Deep Learning sur des appareils mobile, donc avec
des contraintes de ressource mémoire, de calcul et énergétique.
SSD est une méta-architecture pour faire de la détection d’objet qui a vocation à être
minimaliste. Combiné à un extracteur de caractéristique minimaliste comme MobileNet. Son
fonctionnement est simple avec seulement quelques convolution supplémentaire et des
combinaisons entre couche.
R- CNN plus rapide est basé sur la région Convolutif Réseau méthode (Plus rapide R-
CNN) prend comme entrer un tout image et une ensemble de propositions d'objets. Le réseau
d'abord traite le wimage du trou avec plusieurs réseaux convolutifs orks à produire une
fonctionnalité carte. Ensuite, il extrait une fonction de longueur fixe vector du fonctionnalité
carte. Ce modèle emploie à impformation rover et tests la vitesse avec en augmentant
précision de détection
2. Framework
Il existe beaucoup de framework certains sont open-source.Nous les avons choisis en
fonction de leur importance dans le milieu du Deep Learning.
Darknet - Darknet est un framework open source développé par Joseph Redmon en 2012. il
est codé en langage C (proche du langage machine), il utilise la technologie CUDA de
NVIDIA.
L’architecture à 3 niveaux :
L’installation est simple car il faut le compiler avec un fichier de configuration makefile.
elle est très dépendante des logiciels et librairie liés comme OpenCV, CUDA ou Python, ce
qui peut amener à des problèmes de compilation.
Ensuite l’utilisation est simple, notamment si l’on veut utiliser le modèle de détection
YOLO car ce framework a été développé pour YOLO.
Ce framework donne une bonne idée de l’implémentation des algorithmes de deep learning,
il est très optimisé et très efficace pour le modèle YOLO. Malheureusement, il s’agit
également de son point faible car il est conçu pour YOLO, et dès que l’on veut utiliser un
autre modèle, cela implique le développement de la partie d’entraînement.
Caffe - Caffe est un framework développé par Yangqing Jia au cours de sa thèse. Le
framework est sous license BSD et open source.
Ce framework est implémenté en langage C++, l’installation comme darknet se fait par une
compilation avec un MakeFile. Tout comme Darknet la difficulté peut survenir avec les
dépendances qui sont encore plus nombreuse.
TensorFlow - Le framework TensorFlow est le plus en vogue depuis 2017 (avec la sortie de
la version 1.0), développé par l’équipe Google Brain à partir d’un framework interne nommé
DistBelief. Il est proposé sous license open source depuis Novembre 2015.
En effet il fonctionne sur de nombreux matériels comme les CPU, GPU, TPU avec des
accélérateurs de calcul comme XLA.
On développe les modèles avec le langage Python mais nous pouvons utiliser de nombreux
langages pour implémenter les modèles entraînés TensorFlow dans des solutions comme C+
+, Java, Javascript,.... Enfin le coeur (TensorFlow Distributed Execution Engine) est lui
développé en C++. Le fonctionnement classique d’un programme TensorFlow se base sur
plusieurs étapes; la définition du modèle; l’optimisation; l’initialisation des variables (les
tenseurs des poids par exemple). Après ces étapes, une session de calcul peut être lancé pour
les phase d’apprentissage ou de prédiction.
Cette notion de Session est primordiale afin de répartir les calculs en blocs d’une part et
d’autre part pour manipuler l’ordre d’exécution de chaque bloc de calcul. Cette manipulation
de l'ordonnancement du calcul est primordial pour les grands modèles d’apprentissage car
ces modèles sont en réalité des tenseurs à calculer qui sont connectés entre eux en formant
un graph.
La configuration des modèles est sauvegardée dans un format standardisé protobuf .pb
(format binaire) ou .pbtxt (format texte) et les modèles entraînés sont au format .ckpt puis au
format .pb lorsque les paramètres de poids sont constants. En effet ces paramètres de poids
sont utilisées pour l’étape de prédiction.
l’avantage du framework TensorFlow par rapport aux autres est sa diversité d’outils
(développé en grande partie par la communauté) qui rendent le développement de modèle
facile.
Choix de technologie
A la suite de l’étude de toutes ces technologies, nous avons donc choisi d’utilise TensorFlow
comme framework pour tous les avantages que nous avons déjà cité comme l’API de
détection d’objet.
APIs en Python, C++, Java et Go (l’API Python est plus complète cependant, c’est sur
celle-ci que nous allons travailler)
Supporte les calculs sur CPU, GPU et même le calcul distribué sur cluster
3. Implémentation
Le Flux d’entraînement e se décompose comme suit:
culture
CHAPITRE 3. PIEGE DE SURVEILLANCE D’INSECTES : GRAND CULTURE
La surveillance des ennemis des cultures est une étape cruciale de leur gestion intégrée. Les
producteurs et agronomes qui font du dépistage ont souvent recours à des pièges à phéromones
pour attirer et capturer les insectes. Il en existe de plusieurs types, en fonction de l’insecte que
l’on souhaite capturer comme les pièges (A) Multipher,(B) Unitrap, (C) Héliotis ou (D) Jackson
(Figure 7). L’observation des captures par piège est généralement effectuée une fois par semaine.
Dans certains cas, le dépistage des insectes demande plus de temps et de ressources s’il faut trier
le contenu du piège et compter le nombre de captures.
1. Définition
Un système automatisé de surveillance des ravageurs est un système en temps réel qui permet aux
agriculteurs de surveiller à distance les ravageurs et les insectes présents dans les terres agricoles.
Le système automatisé de surveillance des ravageurs alerte le producteur / agriculteur en cas de
grand nombre de ravageurs et d'insectes pouvant nécessiter une pulvérisation d'insecticide. Cela
aide les producteurs à optimiser l'utilisation des insecticides et à cultiver des cultures plus saines.
2. Solutions existants
Le DTN Smart Trap, développé par la société américaine DTN, le DTN Smart Trap est un piège
intelligent qui utilise des algorithmes d’apprentissage profond pour compter les insectes cibles en
temps quasi réel. Le piège fonctionne avec des cartons adhésifs et des appâts à phéromones
conventionnels, qui doivent être échangés, La caméra embarquée détecte, compte et signale la
cible parasite en temps quasi réel. Les données sont envoyées à la plate-forme numérique Agro
system Cloud, disponible sur ordinateur et mobile. Le piège est efficace pour la plupart des
insectes papillons de nuit qui peuvent être capturés sur une carte collante traditionnelle avec des
leurres à phéromones.
Cloud OUI
2. Trapview
Les pièges Trapview, développés par la société slovène Efos.Trapview est une solution brevetée
d'intégration matérielle et logicielle qui utilise des phéromones d'insectes pour concevoir des
pièges, piéger des ravageurs et prendre des photos. L’ensemble du système est alimenté par des
panneaux solaires et des batteries. Le système est équipé de 4 caméras haute résolution, prenant
des photos des ravageurs sur le panneau collant, obtenant des images et les transmettant à la plate-
forme de réseau à distance via GPRS, analysant les images via un logiciel de surveillance
automatisé des parasites et affichant les résultats sur la page Web ou sur les appareils mobiles. Il
est recommandé d'installer 1 piège dans une zone de 1 à 5 ha. Il y a une option d'alertes lorsque le
fléau cible atteint le niveau de contrôle.
Tableau 4: spécifications techniques de Trapview
RAM 4 Mo
3. e-Gleek
e-Gleek c’est un piège connecté à insectes commercialisé par la société Advansee dans le but de
développer un algorithme de reconnaissance des cicadelles de la flavescence dorée, il est
composée d'un boîtier étanche accroché à une plaque en aluminium.
Prix 625,00 €
4. Fauna photonics
Une entreprise danoise a développé une technologie laser capable de scanner des insectes dans
les champs.Le produit de capteur transmet infrarouge, lumière invisible sur l’activité des insectes
et détecte automatiquement la lumière réfléchie arrière de chaque insecte. Cette lumière rétro-
réfléchie fournit une empreinte unique de l’insecte comme indiqué la figure ci-dessous.
L’empreinte contient de l’information sur la fréquence du battement des ailes de l’insecte, sa
couleur et son ratio ailes-corps. Après détection, chaque empreinte est transmise via 3G ou 4G au
Cloud Faunaphotonics pour traitement. Dans le nuage Faunaphotonics applique l’intelligence
artificielle (IA) pour analyser les empreintes d’insectes et extraire l’information sur le battement
des ailes, la couleur et l’envergure des ailes par rapport à la taille de l’insecte.
1 : Module LED
2 : Volume éclairé
3 : Champ de vision du détecteur
4 : Quadrant de photodiode
5 : Volume de détection
6 : Antenne
Un module LED illumine un volume d'air devant l'instrument avec deux faisceaux coniques
superposés à 810 et 970 nm. Tout comme la façon dont vous voyez la lumière réfléchie par les
papillons de nuit dans les phares de voiture la nuit, les insectes qui volent dans le volume
réfléchissent la lumière émise vers le capteur. La lumière réfléchie par tout insecte traversant le
volume de détection est collectée par un détecteur à quadrant en silicone. Les deux longueurs
d'onde sont collectées sur le même détecteur et séparées en utilisant une amplification de
verrouillage implémentée dans un module FPGA (array programmable field field).
— Les pièges automatisés offrent donc l’opportunité de suivre les populations d’insectes
quasiment en temps réel, dans plusieurs régions en même temps
— les pièges automatisés sont fiables pour prédire les pics de populations d’insectes.
— La visite des pièges n’est nécessaire que pour changer les phéromones toutes les trois ou
quatre semaines selon l’insecte.
— Journaux documentés, donnant des indications précoces où et quand les problèmes
surviennent, permettant des actions ciblées.
— Respectueux de l'environnement et exempt de pesticides.
— Rentable grâce à la réduction des risques.
— Gain de temps
Cependant, le coût des pièges est encore élevé, ce qui peut limiter leur utilisation à grande échelle.
De plus, ceux-ci doivent être installés dans une zone où il y a une bonne couverture du réseau sans
fil pour l’envoi des données. Enfin, lorsque ces pièges sont utilisés pour la première fois pour faire
le suivi d’un nouveau ravageur, il faut prévoir une période de validation des captures, permettant à
l’appareil d’apprendre à bien reconnaître les insectes.
Forces Faiblesse
Opportunités Menaces
Dans ce chapitre nous allons faire une analyse fonctionnelle et une étude conceptuelle de notre
système. Ce qui nous amène à réfléchir sur l’ensemble de l’organisation qui devra être mise en
place ainsi que les outils nécessaires pour la conception.
CHAPITRE 4. ANALYSE FONCTIONNELLE ET ETUDE CONCEPTUELLE
I. Concept de solution
notre système basé sur un dispositif d'imagerie et de traitement à faible coût et à faible
consommation fonctionnant via un réseau de capteurs sans fil qui est capable d'acquérir
automatiquement des images de la zone de piégeage et de les traiter pour compter la densité
d'insectes. Les données sont ensuite envoyées à un serveur Web où elles sont stockées dans une
base de données. Le serveur Web héberge un tableau de bord Web grâce auquel les opérateurs
humains peuvent surveiller à distance les pièges à insectes.
1. Présentation de la maquette
Ici nous énumérons les principales fonctionnalités du prototype d’un piège connecté. Notre
maquette est composée :
— D’un boîtier est conçu pour piéger les insectes ravageurs (piège),
— Raspberry Pi,
— Capteur d’image,
— Module de transmission
Pour cela nous allons utiliser un boîtier en polypropylène ondulé, léger et 100% recyclable, il
résiste aux dommages mécaniques et aux influences atmosphériques, non toxiques et
réutilisables pendant plusieurs années. En cas de dommage, il est possible de déplacer toute
l'électronique dans un nouveau boîtier. Pour illustrer notre piège d’expérimentation, nous avons
utilisé un logiciel de modélisation « Google SketchUp » qui conduit aux résultats suivants :
Figure 12: Schéma montrant le boitier ondulé
Cette partie consiste à identifier les différentes entités intervenant dans le système. En effet il
s’agira de décrire ces entités, leurs rôles et leurs interactions.
1. Rôle de Raspberry Pi
Le Raspberry Pi est le cœur du fonctionnement de la maquette. C’est le processeur d'image,
qui a une capacité de calcul suffisante et des interfaces d'extension externes. De plus, le
raspberry Pi permet le fonctionnement en autonomie avec différentes sources d’énergie telles
que power Bank, panneau solaire, batteries. Il se chargera aussi de traiter les images et les
envoyés vers un serveur web.
2. Capteur
Comme défini dans le chapitre précédent, un capteur est un dispositif transformant l’état d’une
grandeur physique observée en une grandeur utilisable. Le capteur, permet de prendre en
compte les évènements de notre environnement. Les capteurs sont des éléments de base des
systèmes d’acquisition de données.
— capteurs passifs : qui donnent une représentation de la grandeur physique mesurée par le
biais d’une résistance électrique variable et ont l’avantage de pouvoir fonctionner seuls.
— capteurs actifs : dont la grandeur physique mesurée va directement établir une relation
électrique de sortie c’est-à-dire qu’en sortie de ces capteurs il y aura une grandeur
électrique, sans adjonction de tension à ses bornes.
— capteurs analogiques : la sortie est une grandeur électrique dont la valeur est une fonction de
la grandeur physique mesurée par le capteur. La sortie peut prendre une infinité de valeurs
continues.
— capteurs numériques : la sortie est une séquence d'états logiques qui, en se suivant, forment
un nombre. la sortie peut prendre une infinité de valeurs discrètes.
— capteurs logiques : la sortie est un état logique que l'on note 1 ou 0. La sortie ne peut prendre
que ces deux valeurs.
— détection avec contact « le capteur doit entrer en contact physique avec un phénomène pour
le détecter»
2. Le système embarqué
1. Architecture
L'IoT à quatre couches est utilisé pour construire le piège connecté. Il comprend une couche de
perception, une couche de transport, une couche de traitement et une couche d'application.
Le framework DL est formé et s'exécute sur la couche de traitement pour effectuer la tâche
d'identification des insectes à distance. Le détail de l'architecture IoT et la configuration de DL
et d'autres détails des composants IoT sont décrits ci-dessous.
Couche de perception
La couche de perception est un nœud d'extrémité ou une couche inférieure dans un cadre IOT à
quatre couches. Il est construit avec une caméra et une feuille de piège à insectes de type collant
et une batterie pour l’alimentation. Cette couche envoie des images de piège à insectes au
calque de traitement via les protocoles de communication de la couche de transport pour établir
la surveillance à distance des insectes et tâche d'identification des insectes.
Couche de transport
La couche de transport agit comme un pont de communication entre toutes les couches IOT. Il
accomplit le tâche suivante: Envoi de l'image du piège à insectes au calque de traitement et
transfert du données à la couche application. La couche de transport utilise la communication et
la transmission GPRS pour le partage des informations.
Couche de traitement
Une couche de traitement est une unité centrale de notre système piège. Il comprend des
dispositifs informatiques à haute vitesse pour traiter l'image, exécutant l’algorithme
d'identification des insectes et traitement de la demande de couche d'application.
Couche d'application
La couche d'application fournit les informations sur l'état du piège à insectes à l'utilisateur final.
Smartphones et les interfaces Web sont utilisées pour exécuter la tâche de couche application.
1. Langage de programmation
Python
Python est un langage de programmation open source créé par le programmeur Guido van
Rossum en 1991. Il tire son nom de l’émission Monty Python’s Flying Circus.Il s’agit
d’un langage de programmation interprété, qui ne nécessite donc pas d’être compilé pour
fonctionner. Un programme » interpréteur » permet d’exécuter le code Python sur n’importe
quel ordinateur. Ceci permet de voir rapidement les résultats d’un changement dans le code. En
revanche, ceci rend ce langage plus lent qu’un langage compilé comme le C.En tant que
langage de programmation de haut niveau, Python permet aux programmeurs de se focaliser sur
ce qu’ils font plutôt que sur la façon dont ils le font. Ainsi, écrire des programmes prend moins
de temps que dans un autre langage. Il s’agit d’un langage idéal pour les débutants.Le langage
Python doit sa popularité à plusieurs avantages qui profitent aussi bien aux débutants qu’aux
experts. Tout d’abord, il est facile à apprendre et à utiliser. Ses caractéristiques sont peu
nombreuses, ce qui permet de créer des programmes rapidement et avec peu d’efforts. De plus,
sa syntaxe est conçue pour être lisible et directe.Un autre avantage du Python est sa popularité.
Ce langage fonctionne sur tous les principaux systèmes d’exploitation et plateformes
informatiques.
TensorFlow
TensorFlow est une bibliothèque open source de Machine Learning, créée par Google,
permettant de développer et d’exécuter des applications de Machine Learning et de Deep
Learning. Découvrez tout ce que vous devez savoir à son sujet.
Le Machine Learning est une technologie qui peut s’avérer extrêmement utile pour de
nombreux cas d’usage, mais qui s’avère malheureusement complexe à manipuler. L’acquisition
de données, l’entraînement de modèles, de déploiement de réseaux de neurones requièrent à
l’origine d’importantes compétences techniques.
Cependant, grâce aux différents frameworks de Machine Learning, l’accès à cette technologie
s’est beaucoup simplifié au fil des années. Parmi ces frameworks, on compte notamment
PyTorch, CNTK, MXNet, et Google Tensorflow
Open CV
Initialement développée par Intel, OpenCV (Open Computer Vision) est une bibliothèque
graphique. Elle est spécialisée dans le traitement d’images, que ce soit pour de la photo ou de la
vidéo.Sa première version est sortie en juin 2000. Elle est disponible sur la plupart des systèmes
d’exploitation et existe pour les langages Python, C++ et Java. Sous licence BSD (Berkeley
Software Distribution Licence), OpenCV peut être réutilisé librement, en tout ou partie, pour
être intégré au sein d’un autre projet
MYSQL
MySQL est un Système de Gestion de Base de Données (SGBD) parmi les plus populaires au
monde. Il est distribué sous double licence, un licence publique générale GNU et une
propriétaire selon l’utilisation qui en est faites. La première version de MySQL est apparue en
1995 et l’outil est régulièrement entretenu.Ce système est particulièrement connu des
développeurs pour faire partit des célèbres quatuors: WAMP (Windows, Apache, MySQL et
PHP), LAMP (Linux) et MAMP (Mac). Ces packages sont si popul aires et simples à mettre
en œuvre que MySQL est largement connu et exploité comme système de gestion de base de
données pour des applications utilisant PHP. C’est d’ailleurs pour cette raison que la plupart
des hébergeurs web proposent PHP et MySQL.
HTML
Le HTML « HyperText Markup Language) est un langage permettant de décrire les différents
composants d’un document multimédia. Le HTML est tiré du XML, il est à la base de
fonctionnement d’un site web. Il permet d’écrire et organiser le contenu de la page web
(paragraphes, titres). Ainsi le langage HTML utilise des commandes (balises, marqueurs ou
tags) pour le formatage des informations. Il est simple et compatible avec la plupart de
navigateurs web. Nous avons adopté la version la plus récente qui est la version 5 « HTML5 »
pour la conception de notre plateforme. Ceci nous offre beaucoup plus d’amélioration en termes
des contenus, une meilleure gestion des formulaires.
CSS
Les feuilles de style en cascade ou CSS « Cascading Style Sheets » sont une extension de
langage HTML. Les CSS se préoccupent de la mise en forme du contenu. Elles permettent :
— Une mise à jour plus aisée des pages web d’un site
JavaScript est un langage de programmation de script orienté objet, qui a su au fil des années
s’imposer comme une technologie incontournable dans le web. C’est une technologie complète,
qui regroupe un nombre impressionnant d’outils permettant de dynamiser vos pages web et de
leur donner une toute autre dimension. Le JavaScript est un langage interprété qui est exécuté
sur le navigateur de l’internaute : nous parlons de comportement client-side, par opposition au
serveur-side (lorsque le code est exécuté sur le serveur).
Bootstrap
Bootstrap est un Framework CSS, mais pas seulement, puisqu'il embarque également des
composants HTML et JavaScript. Il comporte un système de grille simple et efficace pour
mettre en ordre l'aspect visuel d'une page web. Il apporte du style pour les boutons, les
formulaires, la navigation… Il permet ainsi de concevoir un site web rapidement et avec peu de
lignes de code ajoutées.
2. Outils de conception
1. Draw.io
Draw.io est l’un des outils de création des diagrammes les plus riches en fonctionnalités du
marché et un concurrent direct de solutions professionnelles de bureau comme Visio. Ses
nombreuses barres d’outils, réunissant des centaines d’éléments visuels et de fonctions,
permettent de créer des diagrammes pour toutes les applications imaginables. Les utilisateurs
peuvent personnaliser et organiser leur interface pour travailler le plus efficacement possible.
Ils ont la possibilité d’afficher ou de masquer les barres d’outils à tout moment, en un seul clic.
Ils peuvent l’utiliser en ligne ou l’installer sur une machine. Il est utilisé dans notre cas pour la
création des diagrammes d’UML.
2. SketchUp
SketchUp est un logiciel de modélisation en 3D, d’animation et de cartographie orienté
architecture. Initialement développé en 2000 par la société @Last Software puis racheté par
Google en 2006. SketchUp est simple, rapide et intuitif par rapport à d’autres logiciels de
modélisation en 3D. Il nous a permis de faire une illustration en 3D de notre boitier dans la
partie précédant.
Le fait d’énumérer des cas d’utilisation du système permet de connaître toutes les interactions
et l’ensemble des actions que les acteurs auront avec le système ou pourront réaliser.
Système embarqué : envoyé des informations en temps réel, mise à jour des informations,
déclencher une alerte
Agriculteur : afficher les images capturés, capter les images ajouter ou supprimer des
fonctionnalités et maintenir le système
Le système se compose d’un module matériel informatique portable et d’un modèle de réseau
neuronal utilisant des réseaux Neural Convolutionals. Notre systéme se compose d’une caméra
et d’un système informatique qui utilise le réseau neuronal Raspberry Pi. Les images
numériques sont transférées de la caméra au Raspberry pi pour traitement figure Montre
l’assemblage du système.
les images capturées sont transmises au Raspberry Pi dans lequel les images sont analysées,
prétraitées et calculées pour la détection et la classification des objets. L’ensemble du processus
est illustré dans l’organigramme illustré à la figure. Cette section décrit chaque phase du
processus.
Figure 20: Organigramme du système
Prétraitement-La détection des objets nécessite une entrée de données bien détaillée, et en
même temps est moins intensive sur le plan informatique. Par conséquent, nous
redimensionnons la résolution des données d’entrée à……... Cela garantit que l’information est
préservée et que les frais de calcul pour le matériel portable sont réduits
Introduction
Ce chapitre concerne la mise en œuvre de notre système ; nous l’avons divisé en deux parties
que sont : la matérialisation des fonctionnalités du système et la réalisation du prototype.
La matérialisation des fonctionnalités du système consiste à définir tout le matériel dont nous
avons besoin et sa mise en œuvre afin de montrer toutes fonctionnalités essentielles d’un piège
connecté.
1. Choix de la solution
Dans notre cas, le projet nécessite une partie centrale capable de traiter les images reçue et les
envoyer à un serveur. Durant notre recherche nous avons constaté de nombreuses cartes de
développement modulaire On peut citer parmi ces cartes :
Beaglebone : une mini-carte électronique qui possède les fonctionnalités d’un ordinateur.
Carte Arduino : c’est un circuit intégré à base d’un microcontrôleur programmable qui peut
analyser et produire des signaux électriques de façon à effectuer des tâches précises.
RaspBerry Pi B+ : un mini-ordinateur qui exécute le système d’exploitation Linux.
Le tableau suivant nous donne une comparaison technique entre ces cartes :
Tout d'abord, l'Arduino et le Raspberry Pi et très peu coûteux à moins de 40 $.Il convient
également de noter que la vitesse d'horloge de l'Arduino est environ 40 fois plus lente que les
deux autres. Nous remarquons qu’en terme de mémoire vive ou mémoire externe, la capacité de
Raspberry est plus importante que les autres cartes. L’Arduino a une puissance faible devant les
autres cartes. Donc nous choisissons le Raspberry car il possède des connectiques convenables
au fonctionnement de notre système.
1. Raspberry Pi
Le Raspberry Pi est une série de nano-ordinateurs mono-carte (avec un processeur ARM)
développé en Angleterre par David Braben (un créateur de jeux-vidéos) dans le cadre de la
fondation « Raspberry Pi Foundation » afin de promouvoir l’apprentissage des sciences de
l’informatique dans les écoles des pays en voie de développement. Cet ordinateur permet
l’utilisation de nombreux systèmes d’exploitation libre (GNU/Linux, Raspbian Debian et des
autres logiciels compatibles.
Avantage:
— Idéal pour les applications basées sur serveur, c'est-à-dire, peut être connecté via SSH –
Secure Shell -pour accéder à distance à la ligne de commande Rpi et partager des fichiers via
FTP – File Transfer Protocol .
Nous allons voir les derniers modèles de Raspberry Pi et quels sont leurs avantages en fonction
de l’utilisation que nous voulons en faire et de notre projet. Premièrement, le Raspberry Pi 3 B+
est équipé du SoC BCM2837B0 qui permet au CPU de passer d’une fréquence cadencée de 1.2
GHz à 1.4 GHz. Au niveau de la connectivité, le Raspberry Pi 3 B+ propose une connexion
Bluetooth Low Energy et une connexion Wi-Fi possible aussi bien sur la bande 2.4 GHz que
sur la bande 5 GHz avec un débit bien meilleur que le Pi 3.
A l’heure actuelle, le Raspberry Pi 3 B+ est tout simplement le nano-ordinateur le plus
polyvalent pour son prix. C’est la version la plus aboutie des Raspberry Pi et elle n’est vendue
qu’à 35 €.
RAM interne 1 Go
Dans notre projet on va utiliser une caméra pour prendre des photos le meilleurs choix est
d’utiliser le module de caméra dédie au Raspberry Pi.Le module de caméra Raspberry Pi v2 est
un capteur d'image Sony IMX219 de 8 mégapixels de haute qualité conçu sur mesure pour
Raspberry Pi. Il est capable d'images statiques de 3280 x 2464 pixels. Il se fixe à Pi via l'une
des petites prises sur la surface supérieure de la carte et utilise l'interface CSi dédiée, conçue
spécialement pour l'interfaçage avec des caméras.
Résolution 8 mégapixels
(CSI-2)
Ce module nous permet d’accéder aux réseaux cellulaires HSPA 3G afin d’étendre les
fonctionnalités du Raspberry aux applications mobiles en utilisant le module SIM900.
Nouspouvons envoyer des SMS, passer des appels ou créer des sockets TCP et UDP pour
envoyer des informations à l'Internet. Les protocoles http et FTP sont également disponibles
afin d'envoyer les informations vers le cloud directement à partir de notre Raspberry.Il est aussi
équipé d’un module GPS qui nous permet de positionner la carte
Chapitre 6 : Etude financiers
Introduction
Dans cette partie nous allons aborder l’aspect financier de notre produit qui est très essentiel
pour le lancement de notre projet