VISTELYS
Photonique · Vision · Intelligence artificielle
It's just different.
De la mesure de la lumière jusqu'à l'IA qui décide en temps réel : nous concevons, simulons et déployons des systèmes de vision complets, avec des résultats mesurés.
bandes spectrales mesurées, de 430 à 910 nm
simulations Monte Carlo de transfert radiatif
de la précision conservée, sans réentraînement
pour classer chaque objet sur GPU embarqué
01Expertises & méthode
La performance d'un système de vision se joue autant dans la lumière que dans l'algorithme. Nous maîtrisons les deux.
Le bon capteur, la bonne optique, le bon éclairage : une image exploitable dès la prise de vue, plutôt qu'un algorithme qui compense.
Dimensionnement de caméras et d'objectifs, choix des sources et des diffuseurs, contrôle de l'éclairement, photométrie (CIE V(λ), luminance), caractérisation angulaire.
Voir ce qu'une caméra classique ne distingue pas : matière, composition, émission, sur des dizaines de bandes spectrales.
Acquisition snapshot jusqu'à 61 bandes (430–910 nm), séquences temporelles, lecture de cubes ENVI, conversion radiance → luminance, chaînes de traitement Python validées par tests automatiques.
Tester un scénario en simulation avant de construire ou d'essayer en réel : moins de prototypes, des décisions chiffrées.
Simulation Monte Carlo du transfert radiatif en milieux diffusants (fumées), scènes 3D physiquement réalistes, études de convergence, textures émissives HDR (OpenEXR), modèles de visibilité.
Des mesures fiables et reproductibles, sur des bancs conçus pour votre question, avec des incertitudes assumées.
Bancs tout-fibre à 1550 nm (laser DFB, fibre à maintien de polarisation, séparateur polarisant), polarimétrie, magnéto-optique, dimensionnement de bobines, exploitation statistique des mesures.
Détecter, détourer, classer et mesurer automatiquement, puis intégrer de nouveaux produits sans tout réentraîner.
Détection et segmentation d'instances (Mask R-CNN, FPN), Vision Transformers auto-supervisés (DINOv3) avec adaptateur à attention déformable en CUDA, classification, régression, apprentissage few-shot par prototypes, évaluation COCO.
De l'algorithme à la machine : une IA rapide, fiable, versionnée et maintenable en production.
Export ONNX contrôlé, compilation TensorRT FP16/INT8 calibrée, NMS intégrée au moteur, runtime C++, conteneurs Docker CUDA, entraînement multi-GPU, pipelines reproductibles, versionnage et non-régression automatique.
02Réalisations & secteurs
Chaque projet est mené de la physique de la mesure jusqu'au déploiement : résultats chiffrés, validés, et limites documentées.
Secteurs servis
Tri automatique, contrôle qualité, détection de défauts sur ligne.
Signalétique, visibilité en milieu enfumé, tunnels et bâtiments.
Qualité, maturité et contaminants par imagerie spectrale.
Composants fibrés, polarisation, caractérisation optique.
Imagerie, instrumentation optique, aide à l'analyse.
Preuves de concept, bancs de mesure, partenariats R&D.
IA & vision
Bénéfice : Un tri plus fiable et plus rapide, avec moins d'interventions humaines.
Segmentation d'instances de type Mask R-CNN ; backbone Vision Transformer auto-supervisé (DINOv3) couplé à un adaptateur multi-échelle à attention déformable développé en C++/CUDA ; FPN sur 5 niveaux ; entraînement distribué multi-GPU en précision mixte ; évaluation COCO.
IA & vision
Bénéfice : Votre système évolue au rythme de votre production, sans immobiliser la ligne.
Classification par prototypes dans l'espace des embeddings (similarité cosinus) ; annotation automatique d'un lot mono-matière par un détecteur agnostique à la classe ; versionnage du classifieur avec retour arrière instantané ; non-régression classe par classe sur cache, sans GPU. mAP 0,48 contre 0,50 pour le modèle entièrement entraîné.
Embarqué & industrialisation
Bénéfice : Mise en production rapide et maîtrisée, sans dépendance au cloud, et mises à jour sans arrêt prolongé.
Export ONNX avec contrôle de fidélité numérique ; chirurgie de graphe pour intégrer la NMS (EfficientNMS) ; compilation TensorRT FP16/INT8 avec calibration sur images réelles ; prototypes passés en entrée du graphe pour éviter toute recompilation ; export brut pour runtime C++ ; conteneurs Docker CUDA ; pipelines MLOps (multi-GPU, verrous d'exécution, vérification des types, reprises automatiques).
Photonique & hyperspectral
Bénéfice : Des réponses chiffrées pour décider, avant de coûteux essais en conditions réelles.
Caméra hyperspectrale snapshot (430–910 nm) et éclairement contrôlé (31–36 lx) ; décroissance suivie à 1 image/s, pic d'émission à 518 nm, ajustement bi-exponentiel (τ ≈ 100 s et 580 s) ; chaîne Python (photométrie CIE V(λ), radiance → luminance, encodeur OpenEXR) ; transfert radiatif Monte Carlo en scène 3D (6 000 échantillons/pixel après étude de convergence) ; modèle de visibilité d'Adrian appliqué à 7 régions ; hypothèses et limites documentées.
Photonique & hyperspectral
Bénéfice : La capacité à concevoir, instrumenter et caractériser des composants optiques sur mesure.
Banc tout-fibre : laser DFB, isolateur, fibre à maintien de polarisation, séparateur polarisant, puissancemètres ; comparaison aimants / solénoïde / configuration hybride ; dimensionnement de bobine en Python ; interprétation par la saturation du grenat et limites de mesure documentées.
Un défi de mesure, de simulation ou de vision IA ? Étudions sa faisabilité ensemble.
Parlons-en03À propos
VISTELYS réunit des ingénieurs en photonique et en intelligence artificielle. Ensemble, nous couvrons ce que peu d'équipes maîtrisent à la fois : la physique de la lumière, la mesure, la simulation, les algorithmes et leur déploiement en production.
Notre conviction : un bon algorithme commence par une bonne image, et une bonne décision par une mesure fiable.
Je transforme des images en décisions : de la vision par ordinateur à l'IA embarquée temps réel.
Ingénieur en intelligence artificielle et photonique, Hamza conçoit des systèmes de vision qui détectent, détourent et reconnaissent les objets en temps réel, jusqu'au déploiement sur GPU embarqué. Son terrain : faire d'un modèle de laboratoire un outil de production fiable.
Je fais parler la lumière : bancs optiques, imagerie hyperspectrale et simulation.
Ingénieur en optique et photonique, Mouhssine mesure, caractérise et simule la lumière : bancs optiques, imagerie hyperspectrale, transfert radiatif Monte Carlo, optique fibrée. Son exigence : des résultats validés par la mesure, avec des incertitudes assumées.
Chaque livrable est chiffré et validé face à la mesure.
Hypothèses et incertitudes sont documentées, sans zone d'ombre.
Vos données restent les vôtres ; accord de confidentialité sur demande.
04Contact
Décrivez votre besoin : nous revenons vers vous sous 48 h avec une première analyse.