Newsroom

Flyinstinct utilise l’IA pour sécuriser les pistes des aéroports

Compte-rendu du séminaire industriel data science des Mastères Spécialisés Big Data et IA de Télécom Paris du jeudi 25 février 2021 avec Arthur Ni, fondateur de la startup Flyinstinct.

Flyinstinct est une startup qui propose des solutions innovantes pour digitaliser les pistes des aéroports. Ces systèmes utilisent l’intelligence artificielle pour assister les humains en charge de la sécurité des pistes. Le premier produit de Flyinstinct permet d’améliorer la détection de FOD (Foreign Object Debris or Damage) qui sont des petits objets qui se situent sur les pistes et peuvent endommager les avions ou mettre en dangers les passagers et le personnel navigant, comme lors du crash du Concorde en 2000.

L’inspection de ces FOD est très réglementée par toutes les instances de l’aviation civile comme la FAA et l’OACI qui demandent aux aéroports et à leur responsables Système de gestion de la sécurité (SGS) d’inspecter au minimum deux fois par jour les pistes afin de s’assurer que la piste est libre de tous débris. Pour ce faire, des inspecteurs doivent parcourir la piste de 60 mètres de large à l’aide d’une voiture en conduisant en moyenne à 50km/h. L’inspection des pistes est donc uniquement basée sur l’œil humain et demandent à l’inspecteur une forte concentration.

Le projet FOD Locator

C’est pour renforcer la sécurité côté piste que Flyinstinct a créé son premier produit en s’appuyant sur le constat que malgré les efforts des aéroports, chaque année ce sont 700000 FOD qui retrouvés, ce qui représente en termes de coût indirect (retard des avions, annulations et réclamations, etc.) plus de 13 milliards de dollars. Proposer un système utilisant l’intelligence artificielle dans ce secteur permet une très grande détectabilité et l’identification de 100% des FOD à partir de 2 cm qui se trouvent sur la piste en un seul passage.

Le produit de Flyinstinct se compose de caméras intelligentes positionnées sur le toit de la voiture de l’inspecteur qui vont lui permettre de pouvoir recevoir des notifications en temps réel pour lui indiquer la présence de FOD sur les pistes. Le logiciel utilisé par les caméras va utiliser plusieurs technologies de l’intelligence artificielle, pour répondre aux défis techniques.

Identifier en temps réel de petits objets sur une large piste demande une grande technicité qui se décompose de la manière suivante :

  • L’enregistrement des photos en haute définition de la piste qui représentent un flux de donnés gigantesque, qui dépasse même la capacité d’écriture des SSD SATA ou certain SSD NVME. Ce sont donc des disques NVME les plus haut de gamme qui sont utilisés pour rassurer l’enregistrement.
  • Le traitement de ces images pixel par pixel en temps réel, ce qui demande une importante puissance de calcul
  • La reconnaissance des petites anomalies (FOD de 2 cm) dans un grand contexte (piste de 60 mètres de large)
  • L’identification des fausses alertes (piste abimée) par rapport à de véritables anomalies (boulons).
  • L’analyse du contexte extérieur (horaire, météo, etc.)

Un pipeline propriétaire hybride

Flyinstinct a développé un pipeline propriétaire hybride pour répondre à ces défis :

  1. Le pipeline contient plusieurs niveaux de pré-processing pour préparer les données, en particulier pour éliminer les données redondantes, et pour ajuster la dimension d’image pour faciliter les étapes suivantes ;
  2. Les étapes sont dans les processus différents, en parallèle, pour bien profiter de l’avantage du multi-core CPU. Typiquement, le pipeline peut occuper 80% de tous les 8 cores 16 threads d’un CPU i7-10700k.
  3. Avec l’architecture de pipeline, il y a la possibilité de paralléliser les traitements de plusieurs caméras sur plusieurs CPU, pour encore accélérer le process.
  4. La répartition des pré-processing en étapes permet d’augmenter le fps de processing, admettant un délai raisonnable sur la chaine de process.
  5. Le process est accéléré par CUDA.
  6. La reconnaissance par deep learning est principalement utilisée pour distinguer les vraies anomalies par rapport aux imperfections de la piste. Tant que le pré-processing est bien fait, il est possible de bien contrôler la quantité de calcul.

La force de Flyinstinct est d’être propriétaire de plusieurs algorithmes permettant d’obtenir de tels résultats. Pour que le système soit efficace, il doit être entraîné avec beaucoup de données. La technologie d’intelligence artificielle de Flyinstinct peut également permettre d’autres applications pour l’aéroportuaire ainsi que dans d’autres domaines. A ce jour Flyinstinct continue sa croissance et propose d’autres produits utilisant la même technologie.

Visuel d’illustration : Jcomp sur Freepik