DMWay, le middleware de gestion des flux de données développé par le CETIC, est présent dans plusieurs de ses projets pour faciliter l’intégration des systèmes IoT, en assurant la connectivité aussi bien du côté des sources de données (capteurs, équipements) que du côté des applications backend des utilisateurs.
Dans une démarche d’amélioration continue, une étude a été menée dans le cadre du projet ARIAC afin d’évaluer dans quelle mesure DMWay peut apporter une réelle valeur ajoutée dans le domaine de l’Edge AI, notamment dans le secteur industriel, où les exigences en matière de connectivité semblent élevées.
Date: 26 août 2025
Secteurs
Thèmes d’innovation
Asset
A propos du projet
Auteur
L’objectif est d’examiner comment DMWay, en tant que composant central d’une architecture Edge AI, peut piloter l’exécution d’inférences de réseaux de neurones à partir d’événements, à l’image de ce qui se pratique dans une séquence de contrôle sur une ligne d’assemblage.
C’est donc la capacité d’orchestration de tâches de DMWay, complémentaire à ses fonctions de connectivité, qui sera exploitée pour mettre en œuvre ce contrôle. Cette étude constitue une première étape pour le pilotage d’inférences neuronales par DMWay. Elle est menée à partir de sa version actuelle, sans modification préalable du middleware.
Mais, afin de prendre en compte un contexte réaliste, il est également nécessaire de considérer les contraintes technologiques liées à la mise en œuvre du système, notamment en ce qui concerne les ressources de traitement requises pour l’exécution d’inférences d’intelligence artificielle. En effet, la puissance de calcul limitée des systèmes embarqués constitue l’un des principaux défis techniques dans la conception d’une architecture Edge AI. De nombreuses applications, notamment en "vision computing", exigent une capacité de traitement élevée.
Les SoC-FPGAs s’avèrent alors particulièrement adaptés à l’IA embarquée, car ils allient la performance du matériel dédié – grâce à la logique programmable – à la flexibilité du logiciel s’exécutant sur le processeur.
Parmi les fabricants de SoC-FPGA, AMD, met à disposition l’environnement DPU-PYNQ pour faciliter les développements. Il consiste en une distribution Linux Ubuntu enrichie de pilotes de contrôle FPGA et de bibliothèques Python (API Hardware Overlay et interfaces PS-PL). A cela s’ajoute le DPU, Deep Learning Processor Unit. Il s’agit d’une IP propriétaire d’AMD conçue comme un coprocesseur matériellement optimisé pour l’exécution accélérée de réseaux de neurones convolutifs sur FPGA.
L’environnement est propice au prototypage rapide, facilitant ainsi le développement d’applications de test sous forme de scripts Python grâce aux notebooks Jupyter.
Il se révèle bien adapté à la mise en œuvre d’applications de vision par ordinateur, telles que le contrôle optique automatisé sur une ligne d’assemblage. Ce type d’application, reposant sur l’analyse d’images par réseaux de neurones convolutifs (CNN), constitue un cas d’usage typique dans l’industrie manufacturière.
Un scénario de détection de défaut de soudure de deux tubes d’aluminium à été développé pour illustrer ce contrôle de production industrielle
La ligne de production est illustrée par des images des tubes soudés, telles qu’elles seraient fournies par une caméra montée au-dessus d’un tapis roulant sur lequel les tubes sont transportés.
Chaque image est analysée en deux étapes à l’aide de deux réseaux de neurones :
L’ensemble est déployé sur une carte AMD KV260, dotée d’un SoC-FPGA de type Zynq UltraScale+, qui exécute l’analyse d’images à l’aide des réseaux de neurones Yolo et ResNet, tout en assurant le pilotage de la séquence du processus de contrôle. Un tableau de bord, développé avec ThingsBoard, permet de visualiser l’état des échantillons et de transmettre des commandes ainsi que des paramètres à la carte.
L’architecture logicielle repose sur deux composants principaux : d’un côté, DMWay, chargé d’orchestrer l’exécution des différentes étapes de la séquence de contrôle ; de l’autre, une application dédiée à l’activation du modèle d’IA en fonction de ces étapes. DMWay transmet ainsi des commandes à l’application en s’appuyant sur les résultats fournis par les réseaux de neurones et sur les instructions reçues depuis le tableau de bord. Ces deux éléments fonctionnent dans 2 processus distincts, interagissant via un mécanisme de mémoire partagée simple à implémenter.
Les développements ont principalement porté sur l’application :
Il s’agit donc d’un code très minimaliste, qui de plus permet d’éviter les efforts d’intégration de DPU-PYNQ dans DMWay.
La simplicité de cette architecture est renforcée par la flexibilité de configuration offerte par DMWay. Grâce à son interface web graphique, il est possible de concevoir une architecture IoT sous forme de modules fonctionnels interconnectés. Cette approche modulaire s’applique aussi bien aux interfaces de communication qu’à l’orchestration des tâches, permettant de déclencher l’exécution de code en réponse à des événements.
De même quant à la logique programmable, l’utilisation du DPU facilite l’exécution des modèles Yolo et Resnet . Par ailleurs, les exemples de projets disponibles sur le GitHub d’AMD en simplifient grandement la prise en main.
Ce premier développement a permis de démontrer concrètement la capacité de DMWay à s’interfacer avec des traitements d’intelligence artificielle, aboutissant à une architecture logicielle simple, aisément adaptable à des cas d’implémentation réels :
Par ailleurs, la mise en œuvre de DMWay sur une plateforme SoCFPGA représente une avancée notable en élargissant ses possibilités de déploiement sur des technologies embarquées variées.
Ces résultats ouvrent des perspectives prometteuses pour DMWay dans le domaine de l’Edge AI, Couplé aux outils informatiques de gestion de l’entreprise (ERP, MES, etc.), l’Edge AI contribue à l’amélioration de la rentabilité globale de l’entreprise en facilitant l’optimisation des processus industriels tels que la planification de la production ou encore de la gestion de la "supply chain".
C’est dans cet environnement que DMWay révèle tout son potentiel en tant que plateforme de gestion de flux de données, en acheminant les données de la chaine de production vers des traitements d’IA tout en assurant l’interface avec les outils informatiques de gestion de l’entreprise pour une meilleure productivité.
Intéressé(e) d’en savoir plus sur les capacités du middleware DMWay, en termes de connectivité et Edge AI, ou de le voir en œuvre sur un démonstrateur réel ?
N’hésitez pas :