Реализация мониторинга активности питомца через мобильное приложение
Трекеры активности для питомцев — Whistle Go Explore, Tractive GPS, Fi Collar — решают две задачи: геолокация и мониторинг здоровья. Если геолокация понятна (LTE-M/GPS-трекер с сервером), то мониторинг активности — это обработка IMU-данных с акселерометра на ошейнике и классификация поведения: сон, ходьба, бег, игра, еда. Вот здесь начинается настоящая разработка.
Классификация активности по IMU
Трекер на ошейнике содержит 3-осевой акселерометр (ADXL345, MPU-6050 или аналог). Данные с частотой 50 Гц — это 50 векторов ускорения в секунду. Классификация на устройстве экономит батарею (не нужно стримить сырые данные), но требует ML-модели в прошивке или на мобильном приложении.
На iOS — Core ML с моделью, обученной на размеченных данных активности. Модель конвертируется из TensorFlow Lite или PyTorch через coremltools. Входной тензор: окно 2.5 секунды × 50 Гц = 125 семплов × 3 оси. Выход: softmax по классам {sleep, rest, walk, run, play, eat}.
class PetActivityClassifier {
private let model: PetActivityMLModel
private var window: [[Double]] = []
private let windowSize = 125
private let strideSize = 25 // 50% перекрытие
func processSample(x: Double, y: Double, z: Double) -> ActivityClass? {
window.append([x, y, z])
guard window.count >= windowSize else { return nil }
let input = try? MLMultiArray(shape: [1, NSNumber(value: windowSize), 3], dataType: .double)
for (i, sample) in window.enumerated() {
input?[i * 3] = NSNumber(value: sample[0])
input?[i * 3 + 1] = NSNumber(value: sample[1])
input?[i * 3 + 2] = NSNumber(value: sample[2])
}
window.removeFirst(strideSize)
guard let modelInput = input,
let prediction = try? model.prediction(input: modelInput) else { return nil }
return ActivityClass(rawValue: prediction.classLabel)
}
}
На Android — TensorFlow Lite с делегатом NNAPI для аппаратного ускорения. Модель упаковывается в assets, загружается через Interpreter. Логика окна аналогична.
Синхронизация данных с трекера
Трекер накапливает агрегаты активности (минутные сводки) и синхронизирует по BLE при приближении телефона. Протокол: GATT с Indicate Characteristic — трекер уведомляет о готовности данных, приложение читает пакетами по 20 байт (MTU по умолчанию). Для ускорения запрашиваем MTU 512: gatt.requestMtu(512) на Android, peripheral.maximumWriteValueLength(for: .withResponse) на iOS.
GPS-трекеры с LTE-M (Tractive, Fi) синхронизируются через облако. Мобильное приложение — клиент к REST API. Геофенсинг реализован на сервере: зоны «дом», «двор», пуш-уведомление когда питомец вышел за периметр.
Дашборд здоровья и активности
Суточная статистика активности — основной экран. Кольцевая диаграмма активности за день: sleep/rest/walk/run/play. Трендовые графики по неделям и месяцам. На iOS — интеграция с HealthKit через HKWorkout (питомцы не в стандартных типах, но HealthKit можно не использовать — достаточно собственного хранилища).
Метрики, которые интересны владельцам:
- Минуты активного движения за день
- Дистанция (рассчитывается по шагам из акселерометра или GPS)
- Калории (грубая оценка по весу питомца и активности)
- Качество сна (подвижность ночью)
- Сравнение с предыдущей неделей
Пуши об аномалиях: «Барсик сегодня активен на 80% меньше обычного» — Firebase Cloud Messaging с серверной аналитикой по baseline активности за предыдущие 7 дней.
Геолокация: GPS + геофенсинг
Для GPS-трекеров с сотовой связью — периодические позиции через API (каждые 1-5 минут в режиме экономии батареи, каждые 10-30 секунд в режиме слежения). Карта — MapKit (iOS) или Google Maps SDK (Android) с историческим треком питомца за день.
Геофенсинг на уровне приложения: CLRegion/CLCircularRegion на iOS для небольших зон через CLLocationManager — но это работает только когда телефон в зоне. Надёжнее — серверный геофенсинг с пушами.
Разработка мобильного приложения для BLE-трекера активности питомца с классификацией поведения и дашбордом: 6-10 недель. С GPS-интеграцией и серверным геофенсингом: 3-4 месяца. Стоимость рассчитывается индивидуально после уточнения протокола трекера и требуемых платформ.