Garder une longueur d'avance
Les capteurs numériques tels que les caméras diurnes et nocturnes sont essentiels pour les forces de sécurité et militaires d'aujourd'hui, permettant la connaissance de la situation et la détection des menaces à plus grande distance, même dans des conditions de faible visibilité telles que le mauvais temps ou la nuit. Dans cet article, nous examinons comment les experts d'HENSOLDT font progresser ces technologies de capteurs et exploitent des domaines tels que l'intelligence artificielle et les algorithmes d'apprentissage profond pour rester en tête du jeu.
Contexte
Au cours des dernières décennies, les capteurs numériques avancés - par exemple les caméras électro-optiques infrarouges (EO/IR) - ont radicalement changé le mode de fonctionnement du personnel militaire et de sécurité. Ces technologies permettent d'effectuer diverses missions à plus longue distance et même par mauvaise visibilité, en particulier la nuit, lorsque la vision et la connaissance de la situation sont souvent gravement affectées.
C'est ce que les forces occidentales appellent "posséder la nuit", ce qui signifie que les capteurs et les soldats peuvent détecter les menaces plus rapidement et plus efficacement, et ainsi agir avant que l'ennemi ne frappe.
Cela a un impact positif lorsqu'il s'agit de protéger ceux qui se trouvent sur la ligne de front.
Toutefois, conscients de ces avantages opérationnels, les adversaires adoptent également des capteurs de jour et de nuit avancés qui pourraient avoir une incidence sur la manière dont les forces occidentales opèrent sur le futur champ de bataille.
Dans ce nouvel environnement potentiellement plus dangereux, comment les forces amies maintiennent-elles leur avantage en matière de technologie des capteurs ?
Les capteurs comprendront, et pas seulement verront
À l'avenir, les capteurs HENSOLDT seront encore améliorés grâce à l'introduction de systèmes intégrés plus avancés, qui incluront des niveaux avancés d'intelligence artificielle (IA). Les systèmes de capteurs s'appuient traditionnellement sur un processeur informatique proche du capteur, ou sur plusieurs serveurs dans un QG, pour le traitement et l'exploitation des données, mais l'idée pour les systèmes de la prochaine génération est que le capteur lui-même se charge d'une grande partie de ce travail de traitement.
Ce système s'appuiera sur les fonctions "intelligentes" existantes dans les systèmes de capteurs d'HENSOLDT, notamment la détection automatique d'objets, le suivi de cibles et l'indication de cibles en mouvement.
Pour les caméras, il s'agit de la vision par ordinateur intégrée, qui apporte "l'intelligence directement dans la caméra" et réduit les problèmes tels que la latence, explique le Dr Michael Teutsch, scientifique chez HENSOLDT Optronics. "Il est préférable d'effectuer le traitement des données à proximité de la caméra, car de plus grandes distances peuvent accroître le risque de perte de signal ou augmenter la demande de compression des données. Dans les deux cas, la qualité des données est affectée".
Les ingénieurs de l'entreprise étudient à présent comment la vision par ordinateur - en utilisant des algorithmes d'apprentissage profond - peut être utilisée au niveau du capteur pour améliorer des domaines tels que la détection et la classification des menaces. Les algorithmes d'apprentissage en profondeur intégrés dans le capteur lui-même permettront aux appareils non seulement de voir l'environnement, mais aussi de le comprendre.
Tirer les leçons de l'industrie de la consommation
Cette nouvelle ère de la vision par ordinateur est rendue possible par la miniaturisation de l'électronique et une nouvelle génération de technologies, notamment les réseaux de portes programmables (FPGA) et les derniers processeurs de signaux numériques (DSP). Plusieurs secteurs - notamment le secteur médical, l'énergie, l'automobile et le commerce - utilisent déjà le traitement intelligent des dispositifs intégrés (plutôt que d'envoyer les données à un ordinateur ou à un serveur) pour accélérer les processus et améliorer des domaines tels que la détection des pannes.
"L'industrie grand public est aujourd'hui si puissante et consacre tant d'efforts à ce type de technologie que l'industrie militaire peut en bénéficier", explique M. Teutsch.
HENSOLDT tire notamment parti de l'énorme quantité d'innovations dans le secteur automobile et du développement des voitures autonomes. Pour naviguer en toute sécurité dans les environnements complexes dans lesquels elles circulent, les voitures autonomes ont besoin de capteurs qui leur permettent de comprendre en profondeur ce qui les entoure. Ces capteurs doivent avoir une faible latence pour permettre une prise de décision en une fraction de seconde.
L'une des techniques les plus utilisées pour les voitures autonomes est la segmentation sémantique, qui associe chaque pixel d'une image à une étiquette de classe (personne, objet, voiture, etc.). Cette technique a été considérablement améliorée grâce au développement d'algorithmes d'apprentissage profond.
Cela nous indique, pour chaque pixel de l'image, la "classe" à laquelle il appartient. Il peut s'agir de végétation, d'arbres, de véhicules, d'êtres humains ou de bâtiments, par exemple, ce qui permet déjà de faire la distinction entre le contenu pertinent et non pertinent de la scène, la présence d'un objet ou le mouvement d'un objet", explique M. Teutsch.
"L'IA nous aidera à obtenir des informations pour la prise de décision. Imaginez que vous êtes assis dans un char de combat principal et qu'il y a un système qui surveille l'environnement, il détectera beaucoup de mouvements et beaucoup d'objets dans le monde, et maintenant il y a la possibilité de filtrer ces informations de sorte que l'opérateur ne reçoive une alarme qu'en présence d'une menace réelle".
Dr Michael TeutschPersonnel scientifique
Cette amélioration se poursuivra à mesure que les caméras intégreront des capteurs mégapixels plus puissants et que la résolution montera en flèche, ce qui se traduira en fin de compte par une détection, une reconnaissance et une identification plus précises des objets, ainsi que par une couverture accrue de l'environnement.
Les systèmes à plus haute résolution posent toutefois leurs propres défis, notamment en ce qui concerne les niveaux de données plus élevés et la manière de les traiter en temps réel, sans délai, pour une prise de décision rapide.
Mais à mesure que ces défis seront relevés, les systèmes de capteurs qui en résulteront seront non seulement plus performants que l'œil humain, mais aussi que le cerveau humain dans sa compréhension de l'environnement.
Analyse intelligente et prise de décision humaine
Les capteurs HENSOLST seront en mesure d'assurer une surveillance étendue et d'identifier rapidement, voire de prédire, les anomalies dans l'environnement, y compris le comportement des objets, même dans des zones très fréquentées et encombrées telles que les zones urbaines. Les capteurs pourront faire la distinction entre une personne qui vaque à ses occupations quotidiennes et une autre qui agit de manière suspecte, ainsi qu'entre une personne qui tient une arme et une autre qui tient un sac.
Ces types de capteurs pourraient éventuellement être intégrés aux plateformes européennes de développement du système principal de combat terrestre (MGCS) ou du système aérien de combat futur (FCAS), ce qui leur donnerait un avantage significatif sur leurs adversaires potentiels.
L'être humain reste un élément clé du processus de prise de décision et le restera pendant de nombreuses années, en particulier lorsqu'il s'agit de déployer des systèmes d'armes. "Nous ne voulons pas nous débarrasser complètement de l'être humain, car il joue un rôle important dans la prise de décision", explique M. Teutsch. "Ce que nous voulons, c'est faciliter autant que possible le processus de prise de décision, non seulement grâce à des algorithmes qui tirent des informations de l'environnement, mais aussi grâce à des interfaces homme-machine qui n'affichent que les informations pertinentes.