Intelligence embarque IMA5 2022/2023 G4 : Différence entre versions
| Ligne 56 : | Ligne 56 : | ||
[[Fichier:IE13.png]] | [[Fichier:IE13.png]] | ||
A ce stade avec une seconde tentative, nous avons réussi à obtenir un benchmark avec les fonctionnalités suivantes: | A ce stade avec une seconde tentative, nous avons réussi à obtenir un benchmark avec les fonctionnalités suivantes: | ||
| − | 🔹Score | + | 🔹Score 98.69% |
| − | 🔹Balanced accuracy | + | 🔹Balanced accuracy 99.84% |
Version du 28 novembre 2022 à 17:23
Sommaire
Description :
La détection de la qualité d'un produit est une étape essentielle à la commercialisation.
Ce facteur est mesuré en termes de plusieurs éléments parmi ceux-ci nous mentionnons l'emballage et la façon dont le produit est exposé.D'où l'émergence de notre idée, notre solution consiste à déceler la qualité de la boîte d'emballage d'un produit, nous prenons la boîte de la carte stm32 comme exemple de test.
Cette décision sera prise selon la forme du packaging. Si la forme de la boîte est normale, le produit sera classé en tant que produit valide . Sinon le produit sera classé comme un produit défectueux .
La photo ci-desosus représente le cas normal d'un emballage dont la forme souhaite.
Les photos ci-dessous représentent le cas d'un emballage défectueux.
Ressources
Pour realiser ce système, nous avons :
Matériels :
🔹La carte nucleo STM32F401RE Série Microcontrôleurs ARM
🔹La carte STMicroelectronics X-NUCLEO-53L5A1 : une carte d'extension pour la carte de développement NUCLEO-F401RE.
logiciels :
🔹STM32 NanoEdgeIAStudio 🔹STM32CubeIDE
Les étapes de réalisations
Etape 0
🔹la récupération des fichiers source du projet 🔹Exécution du programme initial du projet sur l'IDE. 🔹Configuration du port série. 🔹Récupération des valeurs captées par le capteur (un tableau de 4*4). 🔹Modification des affichages afin d'avoir un fichier Csv de 36 valeurs par ligne avec une virgule comme séparateur.
signial
Etape 1
🔹Réalisation d'une maquette de teste (la photo ci-dessous)
nous avons réalisé une maquette en carton en positionnant le capteur en haut pour que les pièces à testé soit en dessous du capteur
🔹collecte des valeurs pour les différents cas de test 🔹Réalisation du premier Banchmark
le premier benchmark était moins efficace ,cela due au nombre des lignes de chaque signal, regular et abnormal, que nous avons collecté, c'est pour cela nous avons ressayé de creer un autre avec plus de valeurs (150 lignes par signal approximativement).
A ce stade avec une seconde tentative, nous avons réussi à obtenir un benchmark avec les fonctionnalités suivantes:
🔹Score 98.69% 🔹Balanced accuracy 99.84%
