Recherche et développement • Mise en œuvre d'une analyse comparative approfondie pour sélectionner les capteurs en fonction de leurs caractéristiques spécifiques.• Utilisation de techniques avancées d'apprentissage en profondeur pour le développement de solutions intelligentes.• Assurer une intégration fluide des capteurs sélectionnés sur des cartes embarquées.Amélioration de systèmes• Développement d'un programme permettant de créer un masque pour la détection exclusive des objets.• Utilisation des accélérateurs USB Coral pour accélérer les calculs sur une carte Raspberry Pi 4.• Pré-entraînement d'un modèle de deep learning.Industrialisation du projet• Développement d'une solution fiable : Créez une solution logicielle fiable répondant à des exigences précises.• Réalisation d'un POC : Élaborez un prototype fonctionnel pour valider la faisabilité technique.• Commencement de l'industrialisation du projet.Environnement technique et méthodologique :• Langages : C++, Python• Outils : Visual Studio Code, TensorFlow Lite, OpenCV, PyTorch, ONNX• Matériel : Jetson Nano, Orin, diverses cartes embarquées, Raspberry Pi 4, accélérateurs USB Coral, caméras 3D• Technologies : Deep learning, IA embarquée, vision par ordinateur, connexion UDP• Système d'exploitation : Ubuntu 22.04, Windows10 • Méthodologie : SCRUM Agile pour la gestion du projetCommencement de l'industrialisation du projet.

ContexteAmélioration de la solution de détection des passagers.MissionsDéveloppement d'un programme permettant de créer un masque pour la détection exclusive des objets.Utilisation des accélérateurs USB Coral pour accélérer les calculs sur une carte Raspberry Pi 4.Pré-entraînement d'un modèle de deep learning.RésultatsPrototype fonctionnant sur une carte embarquée.Environnements techniquesUtilisation de la méthode agile pour gérer le projetPython, C++, TensorFlow Lite et OpenCV.

ContexteProjet de recherche et développement centré sur l'amélioration de la détection des passagers dans les portillons situés dans les gares pour validation de billets.MissionsMise en œuvre d'une analyse comparative approfondie pour sélectionner les capteurs en fonction de leurs caractéristiques spécifiques.Utilisation de techniques avancées d'apprentissage en profondeur pour le développement de solutions intelligentes.Assurer une intégration fluide des capteurs sélectionnés sur des cartes embarquées.RésultatsLe prototype est fonctionnel à la fois sur un ordinateur personnel et sur une carte Raspberry Pi.Environnements techniquesPython, TensorFlow Lite et OpenCV.Caméra 3DUtilisation de la méthode agile

Contextenous avons effectué des attaques sur différentes cartes pour visualiser et analyser les impacts des attaques par clock glitch.MissionsUtilisation de l'environnement ChipWhisperer pour des attaques par clock glitch.Évaluation de l'impact sur les cibles ARM et RISC-V.Utilisation de Python , langage d'assemblage , C.Configuration avec Linux pour RISC-V et Windows pour ARM.RésultatsRéussir à réaliser l'attaque et à contourner le mot de passe d'un programme.

MissionsConception d'une architecture IoT pour le contrôle des points de charge.Mise en œuvre des protocoles OCPP 1.6 pour la communication avec les points de charge.Analyse des données de charge à l'aide de PostgreSQL et PHP.Remplacement de la technologie RFID par la communication SMS pour améliorer la fiabilité.Réalisation de tests et de validations pour assurer le bon fonctionnement du système.Utilisation du protocole MQTT pour l'envoi de données.Configuration de Node-RED comme plateforme de traitement et d'automatisation des données.RésultatsAmélioration réussie de la solution de communication avec la borne de recharge.Gestion efficace des données liées à la communication avec la borne de recharge.Environnements techniquesUtilisation de la carte ESP32 et du module SIM800L avec l'IDE Arduino.( C/C++)Intégration de la base de données PostgreSQL.Utilisation d'Azure IoT Hub pour la gestion des données et la communication.PythonUtilisation de logiciels tels que ZoomUtilisation de GitHub

ContexteLe projet avait pour objectif de concevoir et développer une application visant à faciliter le suivi du temps de présence des employés. Une attention particulière a été portée à notre Pointeuse Intelligente, un dispositif novateur destiné à simplifier et automatiser ce processus.MissionsDéveloppement d'un modèle de reconnaissance faciale pour la présenceL'enregistrement et la gestion des données de présence en temps réel.La communication avec les utilisateurs via des protocoles de communication standard.RésultatsLe prototype de l'application mobile Android intègre avec succès la reconnaissance faciale, la fonctionnalité d'envoi de messages et la gestion de données.Environnements techniquesPlateforme de collaboration : réunions régulières pour la communication et le suivi du projet.Outils de développement : Android StudioUtilisant le protocole Kafka pour la communicationBase de données : Utilisation d'une base de données SQL