Amin Boufallous

Au sein du projet AI4Citizens, dédié à l’amélioration de la mobilité et de l’accessibilité urbaine grâce à l’intelligence artificielle, j’ai développé une pipeline complète de vision par ordinateur embarquée temps réel sur Jetson Orin Nano. J’ai déployé et optimisé des modèles YOLOv8 et YOLOv8-seg pour la détection PMR et la classification de démarche, en appliquant des techniques avancées de quantification (FP16, INT8) et de pruning (élagage de couches redondantes) pour réduire la latence et l’empreinte mémoire sans perte significative de précision. J’ai conçu une architecture multithread synchronisant les flux vidéo RGB et thermiques (caméra FLIR Lepton 3), avec affichage temps réel sous OpenCV CUDA, et intégré la fusion des sorties IA pour générer un profil utilisateur combiné. Ce profil est ensuite encodé et transmis automatiquement via Bluetooth Low Energy (BLE) vers une tablette d’assistance, avec gestion de file d’attente et envoi différé. J’ai mené des benchmarks complets (latence, FPS, consommation GPU, stabilité mémoire) et mis en œuvre des optimisations logicielles et matérielles afin d’assurer la fiabilité du système sous Linux embarqué. Cette expérience m’a permis de renforcer mes compétences en IA embarquée, vision par ordinateur, multithreading, optimisation de modèles (TensorRT, pruning) et en intégration hardware–software sur plateforme Jetson, tout en développant rigueur, autonomie et esprit R&D.

Au cours de ce stage, j’ai travaillé sur l’amélioration d’un dispositif embarqué de prélèvement environnemental automatisé, utilisé pour la collecte d’échantillons de pluie destinés à des analyses isotopiques. Mon rôle a consisté à moderniser et fiabiliser le système existant en assurant la transition du microcontrôleur MSP430 vers un STM32 (ARM Cortex-M3), afin de bénéficier d’une meilleure gestion énergétique, puissance de calcul et flexibilité logicielle. J’ai également intégré de nouveaux modules matériels, notamment une carte SD pour le stockage local des données, un capteur de pluie, un capteur de niveau d’eau et une électrovanne commandée électroniquement permettant l’automatisation complète du cycle de prélèvement. Ce travail a impliqué la conception matérielle, l’adaptation de drivers (X-NUCLEO-IHM01A1), ainsi que le débogage d’un encodeur rotatif pour le contrôle précis du moteur pas à pas. Ces contributions ont permis d’accroître la robustesse, la précision et l’autonomie énergétique du système, garantissant sa fiabilité dans des conditions environnementales extrêmes. Ce stage m’a permis de consolider mes compétences en programmation embarquée (C sur STM32), en gestion énergétique, en intégration mécatronique et en rédaction technique, tout en développant ma capacité à travailler sur des problématiques concrètes de recherche appliquée.