Airbus utilise l'intelligence artificielle et le Deep Learning pour la détection automatique des défauts
« Avoir la possibilité de tester, modifier, entraîner et tester à nouveau le code dans un court délai a été la clé du succès. »
Principaux résultats
- Utilisation d’un outil intégré pour concevoir, entraîner et déployer des modèles de Deep Learning.
- Réalisation d’un prototypage et de tests interactifs en très peu de temps.
- Traduction directe du code MATLAB en code CUDA.
Comment construire un modèle d’IA de bout en bout robuste pour détecter automatiquement les défauts dans les tuyaux d’un avion ? C’était le principal défi pour Airbus, qui s’est servi de MATLAB® pour prototyper et développer rapidement des modèles de Deep Learning qui répondaient à ses besoins.
En collaboration avec l’équipe MathWorks Consulting Services, Airbus a adopté MATLAB pour gérer les trois étapes principales du processus. La première étape consistait à obtenir un outil intégré pour construire et entraîner des modèles de Deep Learning à partir de zéro, pour des approches telles que la segmentation sémantique, ainsi que pour créer un environnement intuitif et interactif pour labéliser les vidéos. Les positions de bouches de ventilation et de câbles sur le tuyau, détectées par le modèle de Deep Learning sur MATLAB, ont été utilisées pour mesurer les distances et les angles requis par les normes de l’industrie. Ensuite, les ingénieurs devaient être mesure d’afficher l’analyse des défauts en temps réel. La dernière étape était de traduire automatiquement le code MATLAB en code CUDA afin de le déployer directement sur le système embarqué, sans nécessiter de compétences en programmation.
Produits utilisés
Ressources associées
