Orchestré par l’Université internationale Alamein de l’Égypte, le Global Conference on Artificial Intelligence & Internet of Things 2022 [IEEE GCAIoT 2022] avait lieu du 18 au 21 décembre (https://gcaiot.org/). Cet événement de haut calibre et de portée internationale a réuni, entre autres, des experts internationaux dans le domaine des TI. Les participants des ateliers suivront les résultats de recherche dans les domaines suivants :
- Internet of Things (IoT) and Artificial Intelligence (AI);
- Security and Privacy of IoT, and Blockchain;
- IoT Electronics and Signal Processing, etc.
L’équipe LRIMa a eu l’occasion de s’associer à cet événement qui a connu une grande visibilité médiatique en tant qu’auteurs de deux papiers acceptés. La professeure Jihene Rezgui et deux étudiants diplômés de Sciences informatiques et mathématiques, Félix Jobin, Enric Soldevila, et un diplômé en Techniques de l’informatique, Younes Kechout ont présenté les deux articles scientifiques intitulés :
- Enhanced ALIVE Mind Controller and Machine Learning to Detect Drowsiness While Driving (Jihene Rezgui, Younes Kechout (diplômé de Techniques informatiques) et Félix Jobin)
Des milliers d’accidents de la route se produisent chaque année, l’une des principales causes étant la somnolence au volant. Par conséquent, cet article propose une solution appelée ALIVE Mind pour détecter les conducteurs somnolents et agir sur leur voiture à l’aide de l’apprentissage automatique et de l’électroencéphalogramme (EEG). D’ailleurs, nous avons construit et conçu une carte de circuit imprimé appelée AMC 2.0 qui permet à un simple casque EEG de lire les ondes cérébrales d’un conducteur et d’envoyer ces données à un ordinateur via Bluetooth. Ces signaux sont ensuite enregistrés et analysés par l’apprentissage profond pour déterminer si le conducteur est somnolent ou s’il est sur le point de dormir. Pour évaluer notre solution, nous avons effectué des simulations et collecté des signaux cérébraux d’un conducteur sujet sur un simulateur de conduite. Avec ces valeurs, nous avons pu entrainer un modèle pour détecter si le sujet était somnolent ou éveillé. Enfin, lorsque le système détecte que le conducteur est dans un état de fatigue, il peut prendre le contrôle de la voiture pour la stationner en lieu sûr. Les résultats préliminaires montrent l’efficacité du projet ALIVE Mind et comment il surpasse les travaux précédents en termes de minimisation des besoins de calcul et d’amélioration de la commodité et de l’adéquation du prototype pour les constructeurs automobiles.
- Novel IoT Development Kit for Personalized Smart Ecosystems : Aliot (Jihene Rezgui et Enric Soldevila)
L’Internet des objets (IoT) est un domaine de l’informatique en pleine croissance qui a besoin d’experts plus que jamais. En fait, il existe actuellement 12,2 milliards de connexions actives d’objets, il est prévu que ce nombre atteindra 27 milliards d’ici 2025. La création d’un écosystème IoT complet est une tâche complexe et représente la plupart du temps des ennuis inutiles pour un nouveau venu dans ce domaine. Dans ce contexte, cet article propose Aliot, un kit de développement avancé conçu pour aider les chercheurs et les apprenants dans leurs projets IoT. Aliot propose des outils flexibles disponibles dans deux des langages de programmation les plus populaires en IoT, Python et C++. Il gère la plupart des couches requises dans un écosystème connecté tout en offrant une grande liberté à l’utilisateur final. Il fournit une connexion fiable et sécurisée pour plusieurs appareils connectés avec de nombreuses fonctionnalités uniques telles que la surveillance en temps réel et la gestion des données. Aliot a été testé et utilisé dans de nombreux projets de recherche, comme une ville intelligente et une serre connectée. Les résultats préliminaires montrent qu’Aliot surpasse l’approche traditionnelle de développement d’un écosystème IoT en réduisant la quantité de code écrit de plus de 80 % et 10 fois plus rapide à développer.
