Caracteristici hardware în dezvoltarea mobilă: ce sunt, tipuri și cum să le folosiți

Principalii senzori ai smartphone-ului

Caracteristicile hardware ale smartphone-ului includ zeci de senzori care colectează date despre mediu și poziția dispozitivului. Aceste date sunt disponibile prin Sensors API (Android) și Core Motion (iOS). Senzorii sunt împărțiți în trei categorii: senzori de mișcare (accelerometru, giroscop), senzori de poziție (magnetometru) și senzori de mediu (barometru, lumină, temperatură).

Accelerometru

Accelerometrul măsoară accelerația dispozitivului de-a lungul a trei axe (x, y, z) în m/s². Este utilizat pentru: detectarea orientării ecranului (rotire automată), numărarea pașilor (navigare pietonală), recunoașterea gesturilor (scuturare pentru anulare), jocuri cu control prin înclinare. Android Sensor.TYPE_ACCELEROMETER și Core Motion CMMotionManager (iOS) furnizează date brute la o frecvență de până la 200 Hz.

Giroscop

Giroscopul măsoară viteza unghiulară de rotație a dispozitivului de-a lungul a trei axe (rad/s). Spre deosebire de accelerometru, giroscopul nu este afectat de gravitație, ceea ce îl face ideal pentru urmărirea rotațiilor. Aplicații: stabilizare video, aplicații VR/AR, navigare interioară, controlere de jocuri. Sensor.TYPE_GYROSCOPE (Android) și CMMotionManager (iOS) sunt API-urile principale.

Magnetometru

Magnetometrul măsoară câmpul magnetic al Pământului de-a lungul a trei axe (µT) și funcționează ca o busolă electronică. Este utilizat în aplicațiile de navigare pentru a determina direcția nordului. Magnetometrul este sensibil la interferențe de la obiecte metalice și difuzoare; este necesară calibrarea (mișcarea caracteristică în formă de opt). Sensor.TYPE_MAGNETIC_FIELD — API Android.

Barometrul măsoară presiunea atmosferică (hPa) și este utilizat pentru a determina altitudinea deasupra nivelului mării cu o precizie de până la 1 metru. Senzorul de proximitate oprește ecranul când telefonul este adus la ureche în timpul unui apel. Senzorul de lumină ambientală reglează luminozitatea ecranului. Toți acești senzori sunt accesibili prin SensorManager unificat (Android) sau CMMotionManager (iOS) pentru majoritatea senzorilor de mișcare.

Cameră și microfon

Camera este una dintre cele mai solicitate componente hardware. Pe Android, accesul se face prin CameraX (API Jetpack modern) sau Camera2 (API de nivel scăzut). CameraX gestionează automat ciclul de viață, suportă Preview, ImageCapture, ImageAnalysis (analiză cadre ML) și VideoCapture. Pe iOS, camera este disponibilă prin AVFoundation: AVCaptureSession gestionează captura, AVCaptureDevice configurează parametrii (focalizare, ISO, balans de alb).

Microfonul este utilizat pentru înregistrare audio, control vocal și recunoaștere vocală. Pe Android — MediaRecorder sau AudioRecord; pe iOS — AVAudioRecorder. Accesul la cameră și microfon necesită permisiunea utilizatorului: Manifest.permission.CAMERA și RECORD_AUDIO (Android), NSCameraUsageDescription și NSMicrophoneUsageDescription (iOS) — șiruri în Info.plist care descriu motivul utilizării.

La IT Sectr, am implementat peste 20 de proiecte cu camere personalizate: de la scanere de coduri QR la aplicații cu filtre AR. Concluzia cheie: pe Android, CameraX economisește săptămâni de dezvoltare comparativ cu Camera2, în timp ce pe iOS, AVFoundation oferă control total asupra parametrilor de fotografiere. Exemplu de captură de bază a imaginii prin 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()))
    }
}

Biometrie și NFC

Face ID, Touch ID, Scaner de amprente

Caracteristicile hardware biometrice permit utilizatorilor să se autentifice într-o aplicație folosind amprenta digitală sau fața. iOS utilizează Face ID (camera TrueDepth, 30.000 de puncte invizibile) și Touch ID (scaner de amprente capacitiv). Android utilizează BiometricPrompt, care combină scanerul de amprente (capacitiv sau ultrasonic) și Face Unlock (cameră + ML). Face ID este mai sigur decât Touch ID: probabilitatea de potrivire 1:1.000.000 față de 1:50.000.

NFC și Bluetooth/BLE

NFC (Near Field Communication) este o tehnologie de comunicare wireless cu o rază de acțiune de până la 10 cm. Este utilizată pentru: plăți fără contact (Google Pay, Apple Pay), citirea tag-urilor NFC (afișe inteligente, cărți de vizită), verificare (documente, bilete), transfer de date (Android Beam — învechit). Core NFC (iOS) și NfcAdapter (Android) sunt API-urile principale. Pe iOS, NFC este disponibil doar pentru citire (cu excepția plăților Apple Pay).

Bluetooth/BLE (Bluetooth Low Energy) — pentru conectarea dispozitivelor externe: căști, brățări fitness, senzori medicali, încuietori inteligente. Core Bluetooth (iOS) și android.bluetooth (Android) — API-uri pentru scanare, conectare și schimb de date. BLE este eficient din punct de vedere energetic: un dispozitiv poate funcționa pe baterie ani de zile. Pe iOS, funcționarea BLE în fundal necesită activarea Background Modes → Uses Bluetooth LE accessories.

Sănătate și fitness (HealthKit, Google Fit)

Caracteristici hardware de sănătate: HealthKit (iOS) — framework-ul Apple pentru agregarea datelor de sănătate. Utilizatorul acordă permisiunea de a citi și scrie tipuri specifice de date: pași, ritm cardiac, somn, calorii, greutate, tensiune arterială. Toate datele sunt stocate într-un depozit protejat și sincronizate prin iCloud. HealthKit oferă o interfață unificată pentru scrierea HKQuantitySample și citirea prin HKSampleQuery sau HKStatisticsQuery.

Google Fit — platforma Google pentru date de fitness pe Android. API-ul este împărțit în două seturi: Sensors API (date reale de la senzorii dispozitivului — pași, calorii) și History API (citirea/scrierea datelor istorice). Google Fit agregă și date din alte aplicații de fitness (Strava, Runkeeper) prin autorizare. Pe iOS, Google Fit este disponibil prin REST API.

Core Motion (iOS) — framework pentru lucrul cu senzorii de mișcare fără cip dedicat: accelerometru, giroscop, pedometru (CMPedometer), altimetru (CMAltimeter). CMPedometer numără pașii, distanța parcursă, ritmul și etajele urcate. Pe Android, capacități similare sunt furnizate de Sensor.TYPE_STEP_COUNTER și Step Detector. Toate datele de fitness necesită consimțământul explicit al utilizatorului.

RA și ML (ARKit, ARCore, ML Kit)

Realitatea augmentată (RA) și învățarea automată pe dispozitiv reprezintă apogeul capacităților hardware ale smartphone-ului. ARKit (Apple, iOS 11+) utilizează camera, giroscopul, accelerometrul și LiDAR (pe modelele Pro) pentru urmărirea spațiului înconjurător. ARCore (Google) este echivalentul pentru Android cu urmărirea planurilor, recunoașterea imaginilor și estimarea iluminării. Ambele framework-uri utilizează Visual Inertial Odometry (VIO) — o combinație a camerei cu senzori inerțiali.

ML Kit (Google) — SDK pentru învățare automată pe Android și iOS. Include API-uri gata făcute: recunoaștere text (OCR), scanare coduri de bare, recunoaștere facială, detectare postură, urmărire obiecte, recunoaștere text în imagini și procesare limbaj natural. ML Kit funcționează complet pe dispozitiv — datele nu sunt trimise la server, asigurând confidențialitatea și funcționarea offline.

Core ML (Apple) — framework pentru integrarea modelelor ML în aplicații iOS. Modelele (mlmodel) sunt convertite din TensorFlow, PyTorch sau Keras prin Core ML Tools. Vision — framework pentru viziune computerizată: detectare facială, text, coduri de bare, aliniere orizontală. Combinarea Vision și Core ML permite construirea de pipeline-uri ML în timp real: captură cadru → analiză Vision → predicție Core ML → actualizare UI — totul pe dispozitiv cu o latență sub 50 ms.