Développée par Senseafr, Pi-Sigma est une plateforme connectée d’observation multimodale de l'environnement pour une nouvelle génération de services vous épaulant dans la gestion des espaces naturels et des activités humaines.

Contenu du projet

La mission consistait à la conception, au développement et au déploiement d'un nouveau service appelé Pi-Sigma, une plateforme et services d’observation multimodale des écosystèmes. L'objectif est d'offrir une solution d'aide à la décision pour la conservation et le développement durable, aux collectivités locales et aux entreprises.

Pi-Sigma connecte plusieurs types de capteurs déployés sur le terrain (caméras, hydrophones, récepteurs AIS, météo) afin de capturer et sauvegarder la données dans le cloud, en temps réel. La donnée est automatiquement analysées avec des modèles de Deep Learning pour calculer des métriques définis avec le client, de manière à informer ou alerter sur des conditions d'usages en temps réel.

Par exemple, ce système a été deployé par le littoral du Parc National des Calanques de Marseille pour indiquer aux usagers une forte concentration de bateaux dans certaines zones ou le taux de remplissage de certains parkings desservant le parc.

Aujourd'hui, la plateforme Pi-Sigma connecte plus d'une dizaine de systèmes embarqués en France et au Canada.

Durée de la mission: 2 ans équivalent temps plein.

Détection de navires en temps réel dans au Parc National des Calanques de Marseille. Copyright: Senseafr

Compétences mise en oeuvre:

• Étude et conception technique de la plateforme de services et des systèmes embarqués
• Gestion de projet: dimensionnement, planification
• Responsable du déploiement de plateformes d’acquisition - Projet européen LIFE PIAQUO GOAL 4
• Développement logiciel et physique des système embarqués, connectés et autonomes (vidéo, AIS, météo, acoustique)
• Pilotage d'objets connectés: protocole MQTT
• Backend: Django - Websocket - REST API
• Frontend: HTML - CSS - Javascript
• Déploiement et exploitation d'applications dans le cloud: AWS - Docker
• IA, Deep Learning en computer vision. Entrainement et mise en production dans le cloud de modèles de classification et de détection: TensorFlow - Pytorch
• Assistance à aux applications critiques
• Partage des connaissances: documentation technique, scripts d'installation et de configuration