คุณสมบัติฮาร์ดแวร์ในการพัฒนามือถือ: คืออะไร ประเภท และวิธีใช้งาน

เซนเซอร์หลักของสมาร์ทโฟน

คุณสมบัติฮาร์ดแวร์ของสมาร์ทโฟนประกอบด้วยเซนเซอร์มากมายที่รวบรวมข้อมูลเกี่ยวกับสภาพแวดล้อมและตำแหน่งของอุปกรณ์ ข้อมูลนี้พร้อมใช้งานผ่าน Sensors API (Android) และ Core Motion (iOS) เซนเซอร์แบ่งออกเป็นสามประเภท: เซนเซอร์การเคลื่อนที่ (มาตรความเร่ง, ไจโรสโคป), เซนเซอร์ตำแหน่ง (แมกนีโตมิเตอร์), และเซนเซอร์สภาพแวดล้อม (บารอมิเตอร์, แสง, อุณหภูมิ)

มาตรความเร่ง

มาตรความเร่งวัดความเร่งของอุปกรณ์ตามสามแกน (x, y, z) ในหน่วย m/s² ใช้สำหรับ: การตรวจจับการวางแนวหน้าจอ (หมุนอัตโนมัติ), การนับก้าว (การนำทางคนเดิน), การรู้จำท่าทาง (เขย่าเพื่อเลิกทำ), เกมควบคุมด้วยการเอียง Android Sensor.TYPE_ACCELEROMETER และ Core Motion CMMotionManager (iOS) ให้ข้อมูลดิบที่ความถี่สูงถึง 200 Hz

ไจโรสโคป

ไจโรสโคปวัดความเร็วเชิงมุมของการหมุนของอุปกรณ์ตามสามแกน (rad/s) ซึ่งแตกต่างจากมาตรความเร่ง ไจโรสโคปไม่ได้รับผลกระทบจากแรงโน้มถ่วง ทำให้เหมาะสำหรับการติดตามการหมุน การใช้งาน: การรักษาเสถียรภาพวิดีโอ, แอปพลิเคชัน VR/AR, การนำทางในร่ม, ตัวควบคุมเกม Sensor.TYPE_GYROSCOPE (Android) และ CMMotionManager (iOS) เป็น API หลัก

แมกนีโตมิเตอร์

แมกนีโตมิเตอร์วัดสนามแม่เหล็กโลกตามสามแกน (µT) และทำหน้าที่เป็นเข็มทิศอิเล็กทรอนิกส์ ใช้ในแอปพลิเคชันนำทางเพื่อกำหนดทิศทางไปยังทิศเหนือ แมกนีโตมิเตอร์ไวต่อการรบกวนจากวัตถุโลหะและลำโพง; ต้องการการปรับเทียบ (การเคลื่อนที่รูปเลขแปดที่เป็นลักษณะเฉพาะ) Sensor.TYPE_MAGNETIC_FIELD — Android API

บารอมิเตอร์วัดความดันบรรยากาศ (hPa) และใช้ในการกำหนดระดับความสูงเหนือระดับน้ำทะเลด้วยความแม่นยำสูงถึง 1 เมตร เซนเซอร์ความใกล้ชิดปิดหน้าจอเมื่อถือโทรศัพท์แนบหูระหว่างการโทร เซนเซอร์แสงโดยรอบปรับความสว่างหน้าจอ เซนเซอร์ทั้งหมดนี้ สามารถเข้าถึงได้ผ่าน SensorManager (Android) หรือ CMMotionManager (iOS) สำหรับเซนเซอร์การเคลื่อนที่ส่วนใหญ่

กล้องและไมโครโฟน

กล้องเป็นหนึ่งในส่วนประกอบฮาร์ดแวร์ที่เป็นที่ต้องการมากที่สุด บน Android สามารถเข้าถึงได้ผ่าน CameraX (API Jetpack สมัยใหม่) หรือ Camera2 (API ระดับต่ำ) CameraX จัดการวงจรชีวิตโดยอัตโนมัติ รองรับ Preview, ImageCapture, ImageAnalysis (การวิเคราะห์เฟรม ML) และ VideoCapture บน iOS กล้องพร้อมใช้งานผ่าน AVFoundation: AVCaptureSession จัดการการจับภาพ, AVCaptureDevice กำหนดค่าพารามิเตอร์ (โฟกัส, ISO, สมดุลสีขาว)

ไมโครโฟนใช้สำหรับบันทึกเสียง, ควบคุมด้วยเสียง, และรู้จำเสียงพูด บน Android — MediaRecorder หรือ AudioRecord; บน iOS — AVAudioRecorder การเข้าถึงกล้องและไมโครโฟนต้องได้รับอนุญาตจากผู้ใช้: Manifest.permission.CAMERA และ RECORD_AUDIO (Android), NSCameraUsageDescription และ NSMicrophoneUsageDescription (iOS) — สตริงใน Info.plist ที่อธิบายเหตุผลการใช้งาน

ที่ IT Sectr เราได้ดำเนินโครงการมากกว่า 20 โครงการด้วยกล้องแบบกำหนดเอง ตั้งแต่เครื่องสแกน QR Code ไปจนถึงแอปพลิเคชันที่มีฟิลเตอร์ AR ข้อสรุปหลัก: บน Android CameraX ช่วยประหยัดเวลาในการพัฒนาหลายสัปดาห์เมื่อเทียบกับ Camera2 ในขณะที่บน iOS AVFoundation ให้การควบคุมพารามิเตอร์การถ่ายภาพอย่างสมบูรณ์ ตัวอย่างการจับภาพพื้นฐานผ่าน 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()))
    }
}

ไบโอเมตริกซ์และ NFC

Face ID, Touch ID, เครื่องสแกนลายนิ้วมือ

คุณสมบัติฮาร์ดแวร์ไบโอเมตริกซ์ช่วยให้ผู้ใช้เข้าสู่ระบบแอปพลิเคชันโดยใช้ลายนิ้วมือหรือใบหน้า iOS ใช้ Face ID (กล้อง TrueDepth, 30,000 จุดที่มองไม่เห็น) และ Touch ID (เครื่องสแกนลายนิ้วมือแบบ capacitive) Android ใช้ BiometricPrompt ซึ่งรวมเครื่องสแกนลายนิ้วมือ (capacitive หรือ ultrasonic) และ Face Unlock (กล้อง + ML) Face ID ปลอดภัยกว่า Touch ID: ความน่าจะเป็นในการตรงกัน 1:1,000,000 เทียบกับ 1:50,000

NFC และ Bluetooth/BLE

NFC (การสื่อสารระยะใกล้) เป็นเทคโนโลยีการสื่อสารไร้สายที่มีระยะสูงสุด 10 ซม. ใช้สำหรับ: การชำระเงินแบบไร้สัมผัส (Google Pay, Apple Pay), การอ่านแท็ก NFC (โปสเตอร์อัจฉริยะ, นามบัตร), การยืนยัน (เอกสาร, ตั๋ว), การถ่ายโอนข้อมูล (Android Beam — ล้าสมัย) Core NFC (iOS) และ NfcAdapter (Android) เป็น API หลัก บน iOS NFC พร้อมใช้งานสำหรับการอ่านเท่านั้น (ยกเว้นการชำระเงิน Apple Pay)

Bluetooth/BLE (Bluetooth พลังงานต่ำ) — สำหรับเชื่อมต่ออุปกรณ์ภายนอก: หูฟัง, สายรัดฟิตเนส, เซนเซอร์ทางการแพทย์, ล็อคอัจฉริยะ Core Bluetooth (iOS) และ android.bluetooth (Android) — API สำหรับสแกน, เชื่อมต่อ, และแลกเปลี่ยนข้อมูล BLE ประหยัดพลังงาน: อุปกรณ์สามารถทำงานด้วยแบตเตอรี่ได้นานหลายปี บน iOS การทำงาน BLE ในพื้นหลังต้องเปิดใช้งาน Background Modes → Uses Bluetooth LE accessories

สุขภาพและฟิตเนส (HealthKit, Google Fit)

คุณสมบัติฮาร์ดแวร์สุขภาพ: HealthKit (iOS) — เฟรมเวิร์กของ Apple สำหรับรวบรวมข้อมูลสุขภาพ ผู้ใช้อนุญาตให้อ่านและเขียนข้อมูลประเภทเฉพาะ: ก้าว, อัตราการเต้นของหัวใจ, การนอนหลับ, แคลอรี, น้ำหนัก, ความดันโลหิต ข้อมูลทั้งหมดถูกเก็บไว้ในพื้นที่เก็บข้อมูลที่ได้รับการป้องกันและซิงค์ผ่าน iCloud HealthKit มี อินเทอร์เฟซแบบรวมสำหรับการเขียน HKQuantitySample และการอ่านผ่าน HKSampleQuery หรือ HKStatisticsQuery

Google Fit — แพลตฟอร์มของ Google สำหรับข้อมูลฟิตเนสบน Android API แบ่งออกเป็นสองชุด: Sensors API (ข้อมูลจริงจากเซนเซอร์อุปกรณ์ — ก้าว, แคลอรี) และ History API (การอ่าน/เขียนข้อมูลประวัติ) Google Fit ยังรวบรวมข้อมูลจากแอปฟิตเนสอื่นๆ (Strava, Runkeeper) ผ่านการอนุญาต บน iOS Google Fit พร้อมใช้งานผ่าน REST API

Core Motion (iOS) — เฟรมเวิร์กสำหรับทำงานกับเซนเซอร์การเคลื่อนที่โดยไม่ต้องใช้ชิปเฉพาะ: มาตรความเร่ง, ไจโรสโคป, เครื่องนับก้าว (CMPedometer), เครื่องวัดความสูง (CMAltimeter) CMPedometer นับก้าว, ระยะทางที่เดิน, จังหวะ, และจำนวนชั้นที่ขึ้น บน Android ความสามารถที่คล้ายกันมีให้โดย Sensor.TYPE_STEP_COUNTER และ Step Detector ข้อมูลฟิตเนสทั้งหมดต้องการความยินยอมอย่างชัดแจ้งจากผู้ใช้

AR และ ML (ARKit, ARCore, ML Kit)

ความเป็นจริงเสริม (AR) และการเรียนรู้ของเครื่องบนอุปกรณ์เป็นจุดสูงสุดของความสามารถฮาร์ดแวร์สมาร์ทโฟน ARKit (Apple, iOS 11+) ใช้กล้อง, ไจโรสโคป, มาตรความเร่ง, และ LiDAR (บนรุ่น Pro) เพื่อติดตามพื้นที่โดยรอบ ARCore (Google) เป็นสิ่งที่เทียบเท่าสำหรับ Android พร้อมการติดตามระนาบ, การรู้จำภาพ, และการประมาณแสง เฟรมเวิร์กทั้งสองใช้ Visual Inertial Odometry (VIO) — การรวมกันของกล้องและเซนเซอร์เฉื่อย

ML Kit (Google) — SDK สำหรับการเรียนรู้ของเครื่องบน Android และ iOS รวม API พร้อมใช้: การรู้จำข้อความ (OCR), การสแกนบาร์โค้ด, การรู้จำใบหน้า, การตรวจจับท่าทาง, การติดตามวัตถุ, การรู้จำข้อความในภาพ, และการประมวลผลภาษาธรรมชาติ ML Kit ทำงานบนอุปกรณ์ทั้งหมด — ข้อมูลจะไม่ถูกส่งไปยังเซิร์ฟเวอร์ ทำให้มั่นใจในความเป็นส่วนตัวและการทำงานแบบออฟไลน์

Core ML (Apple) — เฟรมเวิร์กสำหรับรวมโมเดล ML ในแอปพลิเคชัน iOS โมเดล (mlmodel) ถูกแปลงจาก TensorFlow, PyTorch หรือ Keras ผ่าน Core ML Tools Vision — เฟรมเวิร์กสำหรับคอมพิวเตอร์วิทัศน์: การตรวจจับใบหน้า, ข้อความ, บาร์โค้ด, การจัดแนวแนวนอน การรวม Vision และ Core ML ช่วยให้สร้างไปป์ไลน์ ML แบบเรียลไทม์: การจับภาพเฟรม → การวิเคราะห์ Vision → การทำนาย Core ML → การอัปเดต UI — ทั้งหมดบนอุปกรณ์ด้วยความหน่วงต่ำกว่า 50 มิลลิวินาที