Une IA allégée détecte les déchets marins depuis l’espace
Le nombre de satellites en orbite augmente plus rapidement que la bande passante disponible pour télécharger ces données. Pour y remédier, le projet Edge SpAIce(s’ouvre dans une nouvelle fenêtre) s’est donné pour mission de développer et de faire la démonstration d’une intelligence artificielle (IA) capable d’analyser les images d’observation de la Terre (OT) à bord d’un satellite, en limitant les téléchargements aux données les plus pertinentes. L’équipe a choisi l’identification des déchets marins comme cas d’étude. Toutefois, selon la coordinatrice du projet, Pauline Audenino, directrice de projet principale chez Agenium Space(s’ouvre dans une nouvelle fenêtre) en France, la technologie sous-jacente offre des applications bien plus larges. À la suite d’une situation d’urgence, par exemple, des informations utiles peuvent être identifiées alors que le satellite est encore en orbite, plutôt que d’attendre que les images soient transmises vers la Terre pour être analysées: «Un satellite survole une zone sinistrée et fournit rapidement des images des changements observés: ce qui a été détruit, ou non.» Le projet a réuni quatre partenaires aux expertises très différentes. L’université technique nationale d’Athènes(s’ouvre dans une nouvelle fenêtre) (NTUA) a élaboré et entraîné les modèles d’IA, tandis que le coordinateur du projet, Agenium Space, s’est chargé de réduire suffisamment leur taille pour qu’ils puissent fonctionner à bord d’un satellite. Le CERN(s’ouvre dans une nouvelle fenêtre) a procuré la technologie open source nécessaire pour les adapter à du matériel informatique spécialisé, et EnduroSat(s’ouvre dans une nouvelle fenêtre) a fourni les images satellites et dirigé la validation en orbite.
Réduire la taille de l’IA pour s’adapter aux contraintes spatiales
La NTUA a développé un réseau neuronal profond (DNN pour «deep neural network») à partir d’images satellites étiquetées. Le modèle a été entraîné à reconnaître les déchets marins, en les distinguant des nombreux autres éléments visibles sur les images océaniques. L’équipe d’Agenium Space a réussi à réduire ce réseau neuronal (contenant plus de 9 millions de paramètres) à 1 % de sa taille d’origine. Malgré cette réduction spectaculaire, le modèle allégé a tout de même pu identifier avec précision les déchets marins tout en évitant les faux positifs. La taille totale du système de détection embarqué ayant été ramenée à environ un mégaoctet, celui-ci a été téléchargé et exécuté à bord de BALKAN 1, permettant ainsi une démonstration réussie de bout en bout de l’acquisition d’images suivie immédiatement d’un traitement embarqué.
Développer les capacités spatiales européennes
«L’autre objectif, qui concernait uniquement le sol, était d’utiliser une carte électronique européenne souveraine», explique Pauline Audenino. NanoXplore est actuellement le seul fabricant européen de réseau de portes programmables (FPGA pour «field-programmable gate array») de qualité spatiale, des puces matérielles reconfigurables qui constituent l’épine dorsale des ordinateurs de satellites. Toutefois, l’exécution de l’IA sur ce matériel nécessite également un logiciel adapté. Edge SpAIce a étendu le cadre open source HLS4ML du CERN(s’ouvre dans une nouvelle fenêtre) pour prendre en charge cette technologie, et a réussi à faire fonctionner un petit réseau neuronal sur la puce NG-Ultra de NanoXplore lors d’essais au sol. Au-delà des résultats techniques, le consortium a diffusé ses travaux par le biais de publications et de conférences internationales, tandis que certains partenaires ont déposé des candidatures pour un nouveau projet Horizon Europe, ALMAGEST, visant à approfondir les travaux d’Edge SpAIce. Pour l’instant, le projet a démontré que les DNN ne doivent pas nécessairement rester au sol. Donner aux satellites davantage d’autonomie pour interpréter ce qu’ils voient pourrait aider les systèmes d’OT à réagir plus rapidement aux crises, apportant ainsi des avantages concrets sur le terrain.
