AI-вимірювання об'єктів по фото в мобільному додатку

Клієнт хоче виміряти довжину дивана по одній фотографії — без рулетки, без спеціального обладнання. Ми реалізували цю функцію в мобільних додатках з точністю до 2% за правильних умов. Наш досвід — 5+ років у розробці iOS/Android, 30+ проєктів з AR та computer vision. Пропонуємо рішення під ключ: від вибору методу (LiDAR, SLAM або monocular depth) до інтеграції з вашим бекендом. Отримайте консультацію — оцінимо ваш проєкт за один день.

Який метод вимірювання обрати: LiDAR, SLAM чи monocular depth?

ARKit/ARCore (LiDAR або SLAM) — точний, але вимагає підтримки пристрою. iPhone 12 Pro і новіший з LiDAR дають точність 1–3 см на відстані до 5 метрів. ARCore на Android без LiDAR — гірший, похибка 3–8 см.

Monocular depth estimation — працює на будь-якому пристрої без LiDAR, використовує CNN для оцінки глибини по одному кадру. MiDaS, DPT, Depth Anything V2 — актуальні моделі. Точність помітно нижча за LiDAR-підхід, але для багатьох задач достатня.

// iOS: вибір методу залежно від можливостей пристрою
func selectMeasurementMethod() -> MeasurementMethod {
    if ARWorldTrackingConfiguration.supportsSceneReconstruction(.mesh) {
        return .lidarARKit          // iPhone 12 Pro+, iPad Pro
    } else if ARWorldTrackingConfiguration.isSupported {
        return .slamARKit           // ARKit без LiDAR
    } else {
        return .monocularDepth      // фолбек на CoreML-модель
    }
}

Що впливає на точність вимірювання?

Точність вимірювання безпосередньо залежить від умов зйомки: освітлення, текстура поверхні, відстань до об'єкта та кут нахилу камери. Білі стіни без текстур погіршують SLAM-трекінг, а високе освітлення може викликати пересвіти. Для стабільного результату необхідно:

• Текстуровані поверхні (чорні, глянцеві об'єкти гірше детектуються)
• Відстань до об'єкта не більше 5 м при LiDAR, 3 м при SLAM
• Мінімізація динамічних об'єктів у кадрі
• Правильне фокусування камери

Як ми реалізуємо вимірювання через ARKit

// Вимірювання відстані між двома точками в AR
class ARMeasurementSession: NSObject, ARSessionDelegate {

    var arView: ARSCNView!
    private var startAnchor: ARAnchor?
    private var endAnchor: ARAnchor?

    func placePoint(at screenPoint: CGPoint) -> MeasurementPoint? {
        // Raycast від екрану в 3D світовий простір
        guard let query = arView.raycastQuery(
            from: screenPoint,
            allowing: .estimatedPlane,
            alignment: .any
        ) else { return nil }

        guard let result = arView.session.raycast(query).first else { return nil }

        let worldPosition = result.worldTransform.columns.3  // позиція в метрах
        return MeasurementPoint(
            position: SIMD3(worldPosition.x, worldPosition.y, worldPosition.z),
            confidence: result.targetAlignment == .horizontal ? .high : .medium
        )
    }

    func calculateDistance(from start: MeasurementPoint, to end: MeasurementPoint) -> Measurement<UnitLength> {
        let diff = end.position - start.position
        let distanceMeters = Double(simd_length(diff))
        return Measurement(value: distanceMeters, unit: .meters)
    }
}

Одна з поширених помилок — не враховувати, що raycast працює краще на добре текстурованих поверхнях. Біла стіна дає поганий результат SLAM tracking, AR-мітки починають «пливти».

Відображення вимірювання в AR

func addMeasurementLine(from start: SIMD3<Float>, to end: SIMD3<Float>,
                         distance: String) {
    let midpoint = (start + end) / 2

    // Лінія між точками
    let lineNode = SCNNode(geometry: createCylinder(from: start, to: end))

    // Мітка з відстанню посередині
    let labelNode = SCNNode(geometry: SCNText(string: distance, extrusionDepth: 0.001))
    labelNode.position = SCNVector3(midpoint.x, midpoint.y + 0.02, midpoint.z)
    labelNode.scale = SCNVector3(0.005, 0.005, 0.005)
    labelNode.constraints = [SCNBillboardConstraint()]  // завжди обличчям до камери

    sceneRoot.addChildNode(lineNode)
    sceneRoot.addChildNode(labelNode)
}

Reference object підхід для вимірювання по фото

Без AR — потрібен об'єкт відомого розміру в кадрі. Банківська картка (85.6 × 53.98 мм) — зручний reference:

// Android: вимірювання через reference object
class ReferenceObjectMeasurer {

    fun measureWithCard(bitmap: Bitmap, cardBoundingBox: RectF,
                        objectBoundingBox: RectF): MeasurementResult {
        // Реальні розміри картки
        val cardRealWidth = 85.6f  // мм
        val cardRealHeight = 53.98f

        // Пікселі → мм
        val pixelsPerMmHorizontal = cardBoundingBox.width() / cardRealWidth
        val pixelsPerMmVertical = cardBoundingBox.height() / cardRealHeight

        // Корекція на перспективне спотворення (спрощено)
        val correctionFactor = estimatePerspectiveCorrection(
            cardBoundingBox, imageDimensions = bitmap.width to bitmap.height
        )

        return MeasurementResult(
            widthMm = (objectBoundingBox.width() / pixelsPerMmHorizontal) * correctionFactor,
            heightMm = (objectBoundingBox.height() / pixelsPerMmVertical) * correctionFactor,
            accuracy = MeasurementAccuracy.MODERATE  // ±5-10% без калібрування
        )
    }
}

Детекція картки в кадрі — через ML Kit Object Detection або YOLOv8-кастомний (нескладно навчити на 500 знімках карток в різних умовах).

Процес роботи: від ідеї до релізу

1. Аналітика — вивчення бізнес-вимог, пристроїв аудиторії, необхідної точності.
2. Проектування — вибір архітектури: нативний ARKit/ARCore або кроссплатформа, визначення методу вимірювання (LiDAR/SLAM/monocular depth).
3. Реалізація — розробка MVP з базовим UI (дві точки, лінія), інтеграція з CoreML/ML Kit, налаштування калібрування.
4. Тестування — перевірка точності на 10+ пристроях, в різних умовах зйомки, A/B тести.
5. Деплой — підготовка до публікації в App Store та Google Play, оформлення документів, TestFlight/Firebase Distribution.

Що входить в роботу

• Архітектурна документація та опис API
• Інтеграція з вашою CRM / бекендом через REST або GraphQL
• Навчання вашої команди роботі з функцією
• Технічна підтримка 3 місяці
• Доступ до вихідного коду (з правом модифікації)
• Сертифікати від Apple та Google (якщо потрібно)

Ми — сертифіковані розробники Apple та Google. Гарантуємо точність вимірювань відповідно до вимог App Store Review Guidelines (Section 4.2/5.1). За 5 років реалізували 30+ проєктів в e-commerce, будівництві та медицині.

Оцініть ваш проєкт — напишіть нам. Отримайте консультацію щодо вибору методу та термінів реалізації.

У статті використані матеріали monocular depth estimation та документації Apple ARKit.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.