Feuille de route#

Fonctionnalités ou améliorations#

• Ajouter la prise en charge de l’acquisition de données :

  • Il serait intéressant de pouvoir acquérir des données de diverses sources (par exemple, une caméra, un numériseur, un spectromètre, etc.) directement depuis DataLab

  • Cela permettrait d’utiliser DataLab comme logiciel d’acquisition de données, et de traiter les données acquises immédiatement après

  • Bien qu’il n’y ait actuellement pas de conception pour cette fonctionnalité, elle pourrait être implémentée en créant une nouvelle famille de plugins, et en définissant une API commune pour les plugins d’acquisition de données

  • Une des solutions techniques possibles pourrait être de s’appuyer sur PyMoDAQ, un paquet Python pour l’acquisition de données, qui est déjà compatible avec divers dispositifs matériels - et si on collaborait avec les développeurs de PyMoDAQ ?

• Créer une bibliothèque mathématique DataLab :

  • Cette bibliothèque serait un paquet Python, et contiendrait toutes les fonctions et algorithmes mathématiques utilisés dans DataLab : - Une API d’algorithmes de bas niveau opérant sur des tableaux NumPy - Le modèle de données non-GUI de base de DataLab (par exemple, signaux, images) - Une API de calcul de haut niveau opérant sur les objets DataLab (par exemple, signaux, images)

  • Elle serait utilisée par DataLab lui-même, mais pourrait également être utilisée par des logiciels tiers (par exemple, des notebooks Jupyter, Spyder, Visual Studio Code, etc.)

  • Enfin, cette bibliothèque serait un bon moyen de partager les fonctionnalités mathématiques de DataLab avec la communauté scientifique : une collection d’algorithmes et de fonctions bien testés, bien documentés et faciles à utiliser

  • Remarque : il est déjà possible d’utiliser les fonctionnalités de traitement de DataLab depuis l’extérieur de DataLab en important le paquet cdl, mais ce paquet contient également le code GUI, qui n’est pas toujours nécessaire (par exemple, lors de l’utilisation de DataLab à partir d’un notebook Jupyter). L’idée ici est de créer un nouveau paquet qui ne contiendrait que les fonctionnalités mathématiques de DataLab, sans le code GUI.

• Créer un plugin Jupyter pour l’analyse de données interactive avec DataLab :

  • Il est déjà possible d’utiliser DataLab à partir d’un notebook Jupyter, grâce aux fonctionnalités de contrôle à distance (voir Contrôle à distance), mais il serait utile d’avoir un plugin dédié

  • Ce plugin permettrait d’utiliser DataLab comme noyau Jupyter, et d’afficher les résultats numériques de DataLab dans des notebooks Jupyter ou vice versa (par exemple, afficher les résultats de Jupyter dans DataLab)

  • Ce plugin permettrait également d’utiliser les fonctionnalités de traitement de DataLab à partir de notebooks Jupyter

  • Un cas d’utilisation typique pourrait également consister à utiliser DataLab pour manipuler des signaux ou des images de manière efficace, et à utiliser Jupyter pour l’analyse de données personnalisée basée sur des algorithmes spécifiques / faits maison

  • Ce plugin pourrait être implémenté en utilisant l’interface du noyau Jupyter (voir ci-dessus)

• Créer un plugin Spyder pour l’analyse de données interactive connectée à DataLab :

  • Il s’agit exactement du même cas d’utilisation que pour le plugin Jupyter, mais pour Spyder

  • Ce plugin pourrait également être implémenté en utilisant l’interface du noyau Jupyter (voir ci-dessus)

• Ajouter la prise en charge des séries temporelles (voir Issue #27)

• Ajouter une interface de noyau Jupyter à DataLab :

  • Cela permettrait d’utiliser DataLab à partir d’autres logiciels, tels que des notebooks Jupyter, Spyder ou Visual Studio Code

  • Cela permettrait également de partager des données entre DataLab et d’autres logiciels (par exemple, afficher les résultats numériques de DataLab dans des notebooks Jupyter ou vice versa, afficher les résultats de Jupyter dans DataLab, etc.)

  • Après un premier examen rapide, il semble que l’interface du noyau Jupyter ne soit pas simple à implémenter, de sorte qu’il peut ne pas être utile de s’y atteler (la communication entre DataLab et Jupyter est actuellement déjà possible grâce aux fonctionnalités de contrôle à distance)

Maintenance#

• 2024 : passer à gRPC pour le contrôle à distance (au lieu de XML-RPC), s’il y a besoin d’un protocole de communication plus efficace (voir Issue #18)

• 2025 : abandonner le support de PyQt5 (fin de vie : mi-2025), et passer à PyQt6 ; cela devrait être simple, grâce à la couche de compatibilité qtpy et au fait que PlotPyStack est déjà compatible avec PyQt6)

Autres tâches#

• Créer un modèle de plugin DataLab (voir Issue #26)

DataLab 0.11#

• Ajouter une fonctionnalité de glisser-déposer aux panneaux de signaux et d’images, pour permettre de réorganiser les signaux et les images (voir Issue #17)

• Ajouter des boutons « Monter » et « Descendre » aux panneaux de signaux et d’images, pour permettre de réorganiser les signaux et les images (voir Issue #22)

• Ajouter des fonctionnalités de convolution 1D, d’interpolation, de rééchantillonnage et d’élimination des tendances

DataLab 0.10#

• Développer un plugin DataLab très simple pour démontrer le système de plugins

• Sérialiser les styles de courbes et d’images dans les fichiers HDF5

• Ajouter une option globale « Rafraîchissement automatique », pour pouvoir désactiver le rafraîchissement automatique de la fenêtre principale lors de l’exécution de plusieurs étapes de traitement, améliorant ainsi les performances

• Améliorer la lisibilité des courbes (par exemple, éviter les lignes en pointillés, utiliser des couleurs contrastées et utiliser l’anti-crénelage)

DataLab 0.9#

• Python 3.11 est la nouvelle référence

• Exécuter les calculs dans un processus séparé :

  • Exécuter un « serveur de calcul » en arrière-plan, dans un autre processus

  • Pour chaque calcul, envoyer les données sérialisées et la fonction de calcul au serveur et attendre le résultat

  • Il est alors possible d’arrêter n’importe quel calcul à tout moment en tuant le processus du serveur et en le redémarrant (éventuellement après avoir incrémenté le numéro de port de communication)

• Optimiser les performances d’affichage des images

• Ajouter une boîte de dialogue de préférences

• Ajouter de nouvelles fonctionnalités de traitement d’images : débruitage, …

• Résultats du traitement d’images : ajout de la prise en charge des formes polygonales (par exemple, pour la détection des contours)

• Nouveau système de plugins : API pour les extensions tierces

  • Objectif n°1 : un plugin doit être gérable à l’aide d’un seul script Python, qui inclut une extension de ImageProcessor, ActionHandler et une nouvelle prise en charge du format de fichier

  • Objectif n°2 : les plugins doivent simplement être stockés dans un dossier qui est par défaut le répertoire de l’utilisateur (même dossier que le fichier de configuration « .DataLab.ini »)

• Ajouter un système de macro-commandes :

  • Nouvel éditeur Python intégré

  • Scripts utilisant la même API que les scénarios de test applicatifs de haut niveau

  • Prise en charge de l’enregistrement de macro

• Ajouter un serveur xmlrpc pour permettre le contrôle à distance de DataLab :

  • Contrôle des principales fonctionnalités de DataLab (ouvrir un signal ou une image, ouvrir un fichier HDF5, etc.) et des fonctionnalités de traitement (exécuter un calcul, etc.)

  • Prendre le contrôle de DataLab à partir d’un logiciel tiers

  • Exécuter des calculs interactifs à partir d’un IDE (par exemple Spyder ou Visual Studio Code)