Les soins aux nourrissons tard dans la nuit laissent souvent peu de place à des routines précises ou reproductibles, ce qui rend même les tâches simples exigeantes. Pour répondre à cette réalité, Manivannan a créé un système DIY Edge-AI qui démarre automatiquement une machine de préparation de biberons lorsqu’un cri d’un bébé est détecté. Le projet, partagé sur sa chaîne YouTube MakeTinyML, se concentre sur l’amélioration d’un appareil existant plutôt que sur la conception d’un nouveau matériel de puériculture à partir de zéro.
Au niveau matériel, l’implémentation reste volontairement minimale. Un Arduino Portenta H7 est associé à un module relais DFRobot Gravity, câblé en parallèle avec l’interrupteur de démarrage d’une machine commerciale de préparation de bouteilles. Bien que le prototype utilise une unité commerciale Tommee Tippee, l’approche peut être adaptée à tout appareil reposant sur un seul bouton mécanique, ne nécessitant aucune modification permanente de l’appareil lui-même. La classification audio est entièrement gérée sur le microcontrôleur, sans aucune dépendance aux services cloud ou à la connectivité réseau. Manivannan a formé un modèle léger à l’aide d’Edge Impulse, enregistrant à la fois le bruit de fond de la pièce et les pleurs du nourrisson. L’extraction de fonctionnalités est basée sur les MFCC, un choix pratique pour la reconnaissance sonore sur du matériel contraint, et le modèle est déployé directement sur le Portenta H7 pour une inférence locale continue.
Pour réduire les fausses activations, le micrologiciel applique une logique supplémentaire basée sur des règles parallèlement à la sortie du modèle. La détection des cris doit persister pendant une durée définie avant de déclencher le relais, et le système vérifie si la machine a été activée dans les deux heures précédentes. Cette approche à plusieurs niveaux reflète les meilleures pratiques courantes en matière d’IA embarquée, où les garanties déterministes complètent les modèles probabilistes. Bien qu’il soit peu probable que le projet remplace les routines d’alimentation manuelles, il démontre clairement comment l’IA de pointe peut être intégrée dans les appareils quotidiens avec de modestes modifications matérielles. En tant qu’exercice de bricolage, il met en évidence à la fois le potentiel et les limites de l’application de l’apprentissage automatique sur appareil à l’automatisation domestique, offrant une référence pratique aux ingénieurs intéressés par l’inférence sonore sur les microcontrôleurs.
Retrouvez l’histoire de Raspberry Pi dans cette vidéo :
