OSEZ L ' OPTIQUE sur les données affichées , d ’ en changer l ’ aspect ou encore d ’ y afficher des déviations standards . des axes calibrés représentant la taille réelle de l ’ échantillon décrit par l ’ image . Mais si on considère la donnée comme cette image en fonction de la longueur d ’ onde de la lumière émise alors on obtient une donnée hyper-spectrale , un « data cube » de dimension trois . Le logiciel doit donc être capable de gérer de manière transparente aussi bien des données scalaires que des « data cube » complexes .
Les objets « données » de PyMoDAQ Pour pouvoir décrire la très grande variété de données possible , PyMoDAQ a créé un écosystème dédié qui permet la description complète des données sous forme d ’ objets informatiques ( valeurs numériques , axes éventuels , dimension , unités , barres d ’ erreurs , métadonnées diverses ...), leur manipulation , leur sauvegarde ( et à l ’ inverse leur chargement ) ainsi que leur représentation graphique . Cette description générique simplifie l ’ écriture du logiciel d ’ acquisition mais peut aussi être utilisée pour analyser et manipuler les données issues de PyMoDAQ .
Visualisation des données La visualisation des données durant leur acquisition est essentielle pour s ’ assurer que le dispositif expérimental fonctionne correctement 3 . Elle
Figure 3 . Exploration de donnée PyMoDAQ par l ’ extension H5Browser . La partie à gauche montre l ’ arborescence du contenu d ’ un fichier HDF5 obtenu par le scan de l ’ absorption transitoire femtoseconde d ' un film d ' or en fonction du délai pompe-sonde . Les attributs sont représentés en bas à gauche . Les attributs de type « settings » sont représentés au milieu , tels qu ’ ils étaient dans le détecteur utilisé . Les données sont représentées dans un « Data Viewer » spécifique . L ' axe horizontal représente le délai pompe-sonde ( déplacement de la platine en millimètre ) et l ' axe vertical l ' acquisition de plusieurs scans . Les encarts en bas et à droite représente une extraction et moyennage partiel des données sélectionnées par le rectangle blanc ( région d ' intérêt ).
permet aussi , à travers l ’ utilisation de régions d ’ intérêt et de l ’ intégration du signal dans cette région , de simplifier la représentation de la donnée brute afin de révéler un comportement anormal ou exotique signe d ’ un problème ou d ’ un futur prix Nobel 4 ! Il est donc vital de pouvoir simplement visualiser ceci en direct sans devoir attendre l ’ analyse a posteriori des données collectées . PyMoDAQ possède donc des visualiseurs graphiques adaptés à la dimensionnalité des données . Ils peuvent être utilisés durant l ’ acquisition ou durant le post-traitement des données , voir Figure 3 . Ils possèdent un ensemble de fonctionnalités permettant d ’ extraire rapidement des informations
La sauvegarde des données PyMoDAQ bénéficie d ’ un écosystème complet d ’ objets informatiques décrivant les données et facilitant leur manipulation . Mais au final , ce n ’ est pas ce type d ’ objet que nous gardons sur nos ordinateurs mais des fichiers . PyMoDAQ s ’ est tourné très tôt vers un format de fichier binaire , compressible et organisé sous forme d ’ arborescence avec des groupes contenant d ’ autres groupes ou des tableaux de données . Il s ’ agit du format HDF5 . C ’ est un type de fichier avec une empreinte sur le disque minimale et des accès en lecture et écriture sans devoir charger tout le contenu sur la mémoire vive . Outre ces avantages , chaque nœud de l ’ arborescence peut contenir un nombre infini d ’ attributs . Ces attributs permettent de stocker toutes les métadonnées d ’ un objet de données PyMoDAQ . Il a donc été possible de créer une relation univoque entre l ’ objet donnée et son stockage dans le fichier HDF5 . PyMoDAQ fournit toutes les fonctionnalités pour passer de manière transparente de l ’ un à l ’ autre . De plus , les fichiers de données peuvent être ouverts par une des extensions de PyMoDAQ , le H5Browser afin de parcourir les données contenues dans le fichier , les représenter dans un visualiseur adapté et de visualiser les métadonnées . La Figure 3 montre l ’ interface graphique du H5Browser explorant des données obtenues grâce au dispositif expérimental de la Figure 1 . Cette relation entre objet de donnée et fichier HDF5 permet l ’ interopérabilité des données car en utilisant PyMoDAQ et un fichier HDF5 , on obtient alors un objet « donnée » python pouvant être traduit pour être compréhensible
3
Qui n ’ a jamais lancé une acquisition en oubliant de débloquer la source laser ?
4
Bon ok sûrement un problème ...
28 www . photoniques . com I Photoniques 129