قابلیت‌های سخت‌افزاری در توسعه موبایل: چیست، انواع و نحوه استفاده

سنسورهای اصلی گوشی هوشمند

قابلیت‌های سخت‌افزاری گوشی هوشمند شامل ده‌ها سنسور است که داده‌هایی درباره محیط و موقعیت دستگاه جمع‌آوری می‌کنند. این داده‌ها از طریق Sensors API (Android) و Core Motion (iOS) در دسترس هستند. سنسورها به سه دسته تقسیم می‌شوند: سنسورهای حرکت (شتاب‌سنج، ژیروسکوپ)، سنسورهای موقعیت (مغناطیس‌سنج)، و سنسورهای محیطی (فشارسنج، نور، دما).

شتاب‌سنج

شتاب‌سنج شتاب دستگاه را در سه محور (x, y, z) بر حسب m/s² اندازه‌گیری می‌کند. برای موارد زیر استفاده می‌شود: تشخیص جهت صفحه (چرخش خودکار)، شمارش گام (ناوبری عابر پیاده)، تشخیص حرکات (تکان دادن برای لغو)، بازی‌های کنترل با شیب. Android Sensor.TYPE_ACCELEROMETER و Core Motion CMMotionManager (iOS) داده‌های خام را با فرکانس تا 200 هرتز ارائه می‌دهند.

ژیروسکوپ

ژیروسکوپ سرعت زاویه‌ای چرخش دستگاه را در سه محور (rad/s) اندازه‌گیری می‌کند. برخلاف شتاب‌سنج، ژیروسکوپ تحت تأثیر گرانش قرار نمی‌گیرد، که آن را برای ردیابی چرخش‌ها ایده‌آل می‌کند. کاربردها: تثبیت ویدئو، برنامه‌های VR/AR، ناوبری داخلی، کنترل‌کننده‌های بازی. Sensor.TYPE_GYROSCOPE (Android) و CMMotionManager (iOS) APIهای اصلی هستند.

مغناطیس‌سنج

مغناطیس‌سنج میدان مغناطیسی زمین را در سه محور (µT) اندازه‌گیری می‌کند و به عنوان قطب‌نمای الکترونیکی عمل می‌کند. در برنامه‌های ناوبری برای تعیین جهت شمال استفاده می‌شود. مغناطیس‌سنج به تداخل از اشیاء فلزی و بلندگوها حساس است؛ کالیبراسیون لازم است (حرکت مشخصه شکل هشت). Sensor.TYPE_MAGNETIC_FIELD — API Android.

فشارسنج فشار جو (hPa) را اندازه‌گیری می‌کند و برای تعیین ارتفاع از سطح دریا با دقت تا 1 متر استفاده می‌شود. سنسور مجاورت هنگام تماس تلفن به گوش، صفحه را خاموش می‌کند. سنسور نور محیط، روشنایی صفحه را تنظیم می‌کند. همه این سنسورها از طریق SensorManager واحد (Android) یا CMMotionManager (iOS) برای اکثر سنسورهای حرکت قابل دسترسی هستند.

دوربین و میکروفون

دوربین یکی از پرتقاضاترین مؤلفه‌های سخت‌افزاری است. در Android، دسترسی از طریق CameraX (API Jetpack مدرن) یا Camera2 (API سطح پایین) است. CameraX به طور خودکار چرخه حیات را مدیریت می‌کند، از Preview, ImageCapture, ImageAnalysis (تحلیل فریم ML) و VideoCapture پشتیبانی می‌کند. در iOS، دوربین از طریق AVFoundation در دسترس است: AVCaptureSession ضبط را مدیریت می‌کند، AVCaptureDevice پارامترها (فوکوس، ISO، تعادل سفید) را پیکربندی می‌کند.

میکروفون برای ضبط صدا، کنترل صوتی و تشخیص گفتار استفاده می‌شود. در Android — MediaRecorder یا AudioRecord؛ در iOS — AVAudioRecorder. دسترسی به دوربین و میکروفون نیاز به مجوز کاربر دارد: Manifest.permission.CAMERA و RECORD_AUDIO (Android)، NSCameraUsageDescription و NSMicrophoneUsageDescription (iOS) — رشته‌هایی در Info.plist که دلیل استفاده را توصیف می‌کنند.

در IT Sectr، ما بیش از 20 پروژه با دوربین‌های سفارشی پیاده‌سازی کرده‌ایم: از اسکنرهای QR کد تا برنامه‌های دارای فیلترهای AR. نتیجه کلیدی: در Android، CameraX هفته‌ها زمان توسعه را در مقایسه با Camera2 صرفه‌جویی می‌کند، در حالی که در iOS، AVFoundation کنترل کامل بر پارامترهای عکسبرداری می‌دهد. مثال گرفتن تصویر پایه از طریق CameraX:

class CameraFragment : Fragment() {
    private lateinit var imageCapture: ImageCapture

    fun startCamera() {
        val processCameraProvider =
            ProcessCameraProvider.getInstance(requireContext())

        processCameraProvider.addListener({
            val cameraProvider = processCameraProvider.get()
            val preview = Preview.Builder()
                .build()
                .also {
                    it.setSurfaceProvider(viewFinder.surfaceProvider)
                }

            imageCapture = ImageCapture.Builder()
                .setCaptureMode(ImageCapture.CAPTURE_MODE_MINIMIZE_LATENCY)
                .build()

            val cameraSelector = CameraSelector.DEFAULT_BACK_CAMERA

            cameraProvider.bindToLifecycle(
                this, cameraSelector, preview, imageCapture
            )
        }, ContextCompat.getMainExecutor(requireContext()))
    }
}

بیومتریک و NFC

Face ID, Touch ID, اسکنر اثر انگشت

قابلیت‌های سخت‌افزاری بیومتریک به کاربران اجازه می‌دهد با استفاده از اثر انگشت یا چهره وارد برنامه شوند. iOS از Face ID (دوربین TrueDepth، 30.000 نقطه نامرئی) و Touch ID (اسکنر اثر انگشت خازنی) استفاده می‌کند. Android از BiometricPrompt استفاده می‌کند که اسکنر اثر انگشت (خازنی یا فراصوت) و Face Unlock (دوربین + ML) را ترکیب می‌کند. Face ID امن‌تر از Touch ID است: احتمال تطابق 1:1.000.000 در مقابل 1:50.000.

NFC و Bluetooth/BLE

NFC (ارتباط میدان نزدیک) یک فناوری ارتباط بی‌سیم با برد تا 10 سانتی‌متر است. برای موارد زیر استفاده می‌شود: پرداخت‌های بدون تماس (Google Pay, Apple Pay)، خواندن برچسب‌های NFC (پوسترهای هوشمند، کارت‌های ویزیت)، تأیید (مدارک، بلیط‌ها)، انتقال داده (Android Beam — منسوخ). Core NFC (iOS) و NfcAdapter (Android) APIهای اصلی هستند. در iOS، NFC فقط برای خواندن در دسترس است (به جز پرداخت‌های Apple Pay).

Bluetooth/BLE (Bluetooth کم انرژی) — برای اتصال دستگاه‌های خارجی: هدفون، دستبندهای تناسب اندام، سنسورهای پزشکی، قفل‌های هوشمند. Core Bluetooth (iOS) و android.bluetooth (Android) — API برای اسکن، اتصال و تبادل داده. BLE از نظر انرژی کارآمد است: یک دستگاه می‌تواند سال‌ها با باتری کار کند. در iOS، عملکرد BLE در پس‌زمینه نیاز به فعال‌سازی Background Modes → Uses Bluetooth LE accessories دارد.

سلامت و تناسب اندام (HealthKit, Google Fit)

قابلیت‌های سخت‌افزاری سلامت: HealthKit (iOS) — فریم‌ورک اپل برای جمع‌آوری داده‌های سلامت. کاربر اجازه خواندن و نوشتن انواع داده خاص را می‌دهد: گام‌ها، ضربان قلب، خواب، کالری، وزن، فشار خون. تمام داده‌ها در مخزن محافظت‌شده ذخیره و از طریق iCloud همگام‌سازی می‌شوند. HealthKit یک رابط واحد برای نوشتن HKQuantitySample و خواندن از طریق HKSampleQuery یا HKStatisticsQuery فراهم می‌کند.

Google Fit — پلتفرم گوگل برای داده‌های تناسب اندام در Android. API به دو مجموعه تقسیم می‌شود: Sensors API (داده‌های واقعی از سنسورهای دستگاه — گام‌ها، کالری) و History API (خواندن/نوشتن داده‌های تاریخی). Google Fit همچنین داده‌ها را از سایر برنامه‌های تناسب اندام (Strava, Runkeeper) از طریق مجوز جمع‌آوری می‌کند. در iOS، Google Fit از طریق REST API در دسترس است.

Core Motion (iOS) — فریم‌ورک برای کار با سنسورهای حرکت بدون تراشه اختصاصی: شتاب‌سنج، ژیروسکوپ، گام‌شمار (CMPedometer)، ارتفاع‌سنج (CMAltimeter). CMPedometer گام‌ها، مسافت طی‌شده، سرعت و تعداد طبقات بالا رفته را شمارش می‌کند. در Android، قابلیت‌های مشابه توسط Sensor.TYPE_STEP_COUNTER و Step Detector ارائه می‌شود. تمام داده‌های تناسب اندام نیاز به رضایت صریح کاربر دارند.

AR و ML (ARKit, ARCore, ML Kit)

واقعیت افزوده (AR) و یادگیری ماشین روی دستگاه اوج قابلیت‌های سخت‌افزاری گوشی هوشمند هستند. ARKit (Apple, iOS 11+) از دوربین، ژیروسکوپ، شتاب‌سنج و LiDAR (در مدل‌های Pro) برای ردیابی فضای اطراف استفاده می‌کند. ARCore (Google) معادل Android با ردیابی صفحه، تشخیص تصویر و تخمین نور است. هر دو فریم‌ورک از Visual Inertial Odometry (VIO) — ترکیبی از دوربین و سنسورهای اینرسی استفاده می‌کنند.

ML Kit (Google) — SDK برای یادگیری ماشین در Android و iOS. شامل APIهای آماده: تشخیص متن (OCR)، اسکن بارکد، تشخیص چهره، تشخیص حالت، ردیابی اشیاء، تشخیص متن در تصاویر و پردازش زبان طبیعی. ML Kit کاملاً روی دستگاه کار می‌کند — داده‌ها به سرور ارسال نمی‌شوند، که حریم خصوصی و عملکرد آفلاین را تضمین می‌کند.

Core ML (Apple) — فریم‌ورکی برای ادغام مدل‌های ML در برنامه‌های iOS. مدل‌ها (mlmodel) از TensorFlow, PyTorch یا Keras از طریق Core ML Tools تبدیل می‌شوند. Vision — فریم‌ورک برای بینایی کامپیوتر: تشخیص چهره، متن، بارکد، تراز افقی. ترکیب Vision و Core ML امکان ساخت خطوط لوله ML زمان واقعی را فراهم می‌کند: گرفتن فریم → تحلیل Vision → پیش‌بینی Core ML → به‌روزرسانی UI — همه روی دستگاه با تأخیر کمتر از 50 میلی‌ثانیه.