Introduction
L'innovation ne dort jamais, surtout dans le domaine de la détection des matériaux. Alors que le logiciel est devenu une commodité grâce aux avancées comme Claude Code, le hardware reste un défi majeur. Je vais te raconter comment j'ai construit un radar de classification de matériaux mmWave, une aventure qui a débuté comme projet de fin d'études et qui a évolué bien au-delà de mes attentes.
L'idée derrière le projet
En Europe, l'amiante est un fléau courant. Présent dans de nombreux bâtiments, il est souvent détecté par des méthodes coûteuses et invasives. Mon idée était de développer un radar capable de détecter l'amiante de manière non invasive. En utilisant mes connaissances en sciences des matériaux et en physique des ondes, j'ai conçu un dispositif qui pourrait révolutionner ce secteur.
Le choix technologique
Pour prototyper rapidement, j'ai choisi le Texas Instrument IWRL6432 BOOST et un kit de développement ESP32. Ces choix ont permis de réduire le temps de développement et d'itération. J'ai commencé à travailler sur des algorithmes DSP pour détecter les matériaux et j'ai construit un banc d'essai pour évaluer la réponse électromagnétique des matériaux.
La chaîne de traitement du signal numérique
Le radar que j'ai construit utilise la technologie FMCW (Frequency Modulated Continuous Wave). Il émet une fréquence qui balaye linéairement au fil du temps, générant un "chirp". La chaîne DSP transforme les échos de ces chirps en signatures matérielles précises. Ce processus commence par la génération et la caractérisation du chirp, une étape cruciale car tout dépend de la forme exacte de ce balayage de fréquence.
Formation du classificateur
Après avoir développé une approche basée sur le beamforming de Capon pour obtenir un spectre de densité, j'ai intégré un réseau de neurones pour classifier les surfaces matérielles. Sous l'hypothèse que "même surface, même couche" et que le "changement de matériau est soudain et discontinu", j'ai pu déterminer la composition des couches de matériaux.
Les défis et les résultats
Bien que le projet ait été freiné par un manque de financement, les résultats obtenus avec le prototype étaient prometteurs. Le coût de la détection d'amiante pourrait être considérablement réduit, rendant cette technologie accessible et rentable pour les utilisateurs finaux.
Conclusion
La création d'un radar de classification de matériaux mmWave a été un parcours d'innovation et de défis. En tant qu'entrepreneur tech, ce projet m'a appris la résilience et l'importance de l'itération rapide. J'espère que cet exemple t'inspirera à explorer et à innover dans tes propres projets.
Discutons de ton projet en 15 minutes.