Stylo intelligent
Problématique
Comment transformer l’écriture manuscrite en notes numériques ?
Objectifs
Comprendre le principe de l’apprentissage par intelligence artificielle
Faire l’acquisition des gestes lors de l’écriture puis alimenter un réseau de neurones
Transformer l’écriture manuscrite en code ASCII
Matériel et documents
Un PC relié à Internet et au réseau pédagogique.
1 carte compatible EdgeImpulse et Arduino (ESP8266, ESP32, etc.) avec un accéléromètre
Travail demandé
A l’instar du stylo IRISNotes 3 qui transforme l’écriture manuscrite en notes numériques, nous voulons utiliser l’IA pour reconnaitre les lettres tracées par l’utilisateur. Nous allons utiliser un accéléromètre 3 axes fixé sur le stylo pour enregistrer les mouvements spécifiques du stylo traçant les lettres à reconnaitre. Ces données nous permettrons de lancer l’apprentissage d’une IA. Nous implanterons ensuite le réseau de neurones dans notre carte-stylo pour vérifier que les lettres sont bien reconnues.
Pour simplifier, il s’agira de reconnaitre les 3 lettres majuscules A, B et C.
Création d’un compte Edge Impulse
Connecter vous sur https://studio.edgeimpulse.com/login et créer un compte. Ce site va nous aider à entrainer notre réseau neuronal.
Phase d’acquisition des données
Suivre les consignes de l’article https://si.blaisepascal.fr/1t-ia-avec-edge-impulse/ et utiliser l’utilitaire edge-impulse-data-forwarder qui enverra les données au site pour traitement.
Rappel : L’acquisition des données se faisant par tranches de 10s, l’idéal est de fournir des données de de manière régulière (durée et espacement).
Dans le menu Create Impulse choisir les données entrantes sous la forme de données temporelles : Time series data.
Choisir une analyse spectrale pour le bloc de calcul : Processing block. L’analyse spectrale va extraire la valeur efficace du signal, les fréquences et les puissances du signal. Cela permettra de mieux discriminer les lettres tracées.
L’apprentissage (Learning block) sera réalisé par un bloc neural : Neural Network (Keras)
Lors d’une analyse spectrale, il y a 11 entrées par voie de l’accéléromètre :
- La valeur efficace : RMS
- 3 premières fréquences maxi et les 3 amplitudes correspondantes : Freq, Height
- 4 puissances (le signal est divisé en 4 et la puissance est calculée pour chaque partie) : Spectral power