Quelles nouveautés dans
NanoEdge AI Studio V3?

Nouvelles familles d'algorithme de Machine Learning

Des algorithmes de régression pour extrapoler des données et des algorithmes de valeurs aberrantes pour anticiper les phénomènes d'usure ou mieux gérer l'obsolescence des équipements.

Une gestion des données plus facile

Nouvelle acquisition et gestion des données à haute vitesse sur la carte de développement STWIN rendant tous les capteurs de qualité industrielle facilement gérables sans avoir à écrire une seule ligne de code.

Une nouvelle interface utilisateur

Une interface utilisateur entièrement repensée pour permettre aux non-experts de développer encore plus facilement des librairies d'apprentissage automatique de pointe.

Avec le support de tous les STM32

Support natif de toutes les cartes de développement STM32

Découvrez pourquoi NanoEdge AI Studio V3 est la solution leader du marché du EDGE AI

Le logiciel PC NanoEdge AI Studio est un moteur de recherche de bibliothèques d’IA, conçu pour les développeurs embarqués.

Grâce à NanoEdge AI Studio, trouvez la meilleure bibliothèque d’IA pour votre projet embarqué, et incorporez des fonctionnalités de machine learning directement dans le code C de votre microcontrôleur.

Découvrez la nouvelle version du studio en 4 minutes

4 Familles de librairies disponibles

Détection d'anomalies

Détection d'anomalies

Librairie de détection d'anomalies non entraînée qui apprend de manière incrémentielle, directement sur le microcontrôleur cible.

1 Class

1 Class

Librairie de détection de valeurs aberrantes pré-entraînée qui va inférer directement sur le microcontrôleur cible. Utile pour anticiper les phénomènes d'usure ou pour mieux gérer l'obsolescence des équipements.

Classification

Classification

Pre-trained classification library that will infer directly on the target microcontroller.

Extrapolation

Extrapolation

Librairie de régression pré-entraînée qui va inférer directement sur le microcontrôleur cible. Particulièrement utile pour la maintenance prédictive ou pour prévoir la durée de vie restante d'un équipement.

From idea to datalogging, in a matter of minutes

Capturer des données est essentiel pour démarrer votre projet, mais cette tâche peut être complexe et prendre du temps.

C’est pourquoi nous avons intégré dans le Studio une fonction d’enregistrement des données pour rationaliser ce processus et faciliter l’acquisition et la gestion des données à haut débit sur la carte de développement STWIN.

Cela permet de gérer facilement tous les capteurs de qualité industrielle sans avoir à écrire une seule ligne de code.

Il suffit de brancher votre carte sur votre serial port, de lancer NanoEdge AI Studio et vous êtes prêt à démarrer !

Fonctionnaités de NanoEdge AI Studio

Compatible avec Windows 10 et Ubuntu

Vos données ne sont jamais envoyées dans un cloud 🙂

Dédié aux développeurs embarqués

Les bibliothèques fonctionnent sur tous les microcontrôleurs STM32 Arm Cortex-M

Contrôle automatique de la qualité des données

Automatisation de la recherche des meilleurs modèles d’IA

Collecte et import des données en « live » via port Serie

Emulateur permettant de tester une bibliothèque avant de l’embarquer dans le MCU

Bibliothèques en langage C faciles à déployer

NanoEdge AI Studio fait abstraction de la complexité liée au Machine Learning et au traitement du signal

Entrée

Paramètres projet + examples de signaux pour contexte

Sortie

Bibliothèque statique pré-compilée (.a) à linker au code C principal.

La bibliothèque NanoEdge AI

Nos modèles de machine learning sont développés en interne, à partir de l’algèbre. Certains sont construits à partir de zéro, tandis que d’autres s’inspirent des grands classiques de l’IA / ML (par exemple kNN, SVM, réseaux de neurones…).

Chaque bibliothèque NanoEgde AI est optimisée grâce à quelques exemples de signaux importés par l’utilisateur. Elle contient le meilleur modèle de ML pour votre projet, combiné à un prétraitement du signal adéquat et une hyperparamétrisation optimale. Cette bibliothèque fournit des fonctions simples et intuitives (apprendre, détecter, classer, extrapoler) qui apportent de puissantes fonctionnalités de ML à tout code C embarqué dans un STM32 Cortex-M.

AI library

Nos modèles sont conçus pour tous les microcontrôleurs STM32 .

ultra-optimisés pour les MCU (tous les STM32 ARM Cortex-M)

Consomment très peu de mémoire (1-20Ko RAM/Flash)

Sont ultra-rapides (inférence entre 1-20ms sur M4 80MHz)

Peuvent être entraînés et utilisés directement sur le MCU

Peuvent être intégrés dans le code / matériel existants

Consomment très peu d’énergie

Préservent le stack (pas d’allocation dynamique, seulement statique)

Ne dépendent pas du Cloud

Ne nécessitent aucune expertise en ML pour être créés et déployés