Розробка мобільного додатку для агросектору (AgriTech)
Агроном стоїть посереді поля в Краснодарському краї — смартфон ловить один поділ сигналу, GPS стрибає на 10–15 метрів. Йому потрібно зафіксувати аномалію на конкретній ділянці, сфотографувати пятно хвороби, привязати до координат та відправити в систему моніторингу. Через полгодини він буде в зоні без зв'язку взагалі. Класичний мобільний додаток тут не працює.
Офлайн-картографія та точність координат
AgriTech-додаток працює в умовах, де інтернету часто немає кілька годин поспіль. Поля не змінюються щодня — можна (й потрібно) передзавантажувати растрові або векторні тайли на пристрій.
Супутникові знімки. Для агронома важливіше Sentinel-2 або DigitalGlobe, ніж дорожні карти. Tile-server піднімається з даними з Earth Engine або Copernicus Open Access Hub, тайли кешуються через MBTiles-формат та відображаються через MapLibre GL Native. Користувач перед виїздом скачує тайли потрібного регіону за останні 2 тижні — видні NDVI-зміни, пятна захворювань, перезволоження.
Точність GPS. Вбудований GPS смартфона дає 3–5 метрів в чистому полі, до 15 метрів при хмарності. Для точного маппінгу ділянок цього недостатньо. Рішення:
- Bluetooth-приймач з GNSS (Trimble R1, Bad Elf GPS+) дає субметрову точність через стандартний протокол NMEA 0183
- SBAS (WAAS/EGNOS) корекція — безплатно, поліпшує до 1–3 метрів
- RTK через мобільний інтернет (NTRIP-клієнт) — сантиметри, потребує постійну мережу
Інтеграція зовнішнього GPS на Android: UsbSerialForAndroid для USB-OTG або BluetoothSocket для BLE-приймачів. На iOS — External Accessory Framework для MFi-сертифікованих пристроїв.
Польові роботи та завдання
Агроном в полі виконує завдання: інспекція ділянки, відбір проб, полив, внесення добрив. Це workflow з завдань з геопривязкою, які створює агроном-консультант в веб-інтерфейсі, а польовий сотрудник виконує в мобільному додатку.
Статусна модель завдання: created → assigned → in_progress → completed. При переході в in_progress фіксуємо GPS-точку початку, при completed — точку та фото. Якщо користувач закрив завдання без мережі — операція попадає в чергу (Room база даних, таблиця pending_operations), синхронізується при появі з'єднання через WorkManager з NetworkConstraint.
Ідентифікація культур та хвороб через ML
Знімання рослини й автоматичне визначення хвороби — популярна фіча AgriTech. Реалізуємо через Core ML (iOS) або TensorFlow Lite (Android) з моделлю, дообученою на культурах клієнта. Модель упакована в mlmodel/.tflite й живе на пристрої — працює офлайн, що критично для поля.
Базові open-source моделі: PlantNet, iNaturalist API, або моделі з PlantVillage датасету (38 класів хвороб 14 культур). Для продакшену дообучаємо на регіональних даних клієнта через Transfer Learning поверх MobileNetV3.
Обмеження: модель розпізнає листкові хвороби, але не стреси від нехватки мікроелементів — для цього потрібні мультиспектральні знімки з дрону, не фото на смартфон.
Інтеграція з умними датчиками та технікою
AgriTech-екосистема включає датчики ґрунту (Davis Instruments, Decagon), метеостанції, умні системи зрошення (Netafim, Lindsay) та точні сільськогосподарські машини (John Deere Operations Center API, AGCO Connect). Мобільний додаток агронома — це точка інтеграції, де дані зі всіх джерел сходяться в єдиний контекст поля.
Для Bluetooth-датчиків на iOS: CoreBluetooth з CBCentralManager, GATT-профіль виробника. Для датчиків з WiFi/LoRaWAN — дані агрегуються сервером, мобільний клієнт запитує через REST або WebSocket.
John Deere Operations Center надає OAuth 2.0 REST API з даними про машини, поля та операції. Інтеграція потребує партнерського аккаунту розробника.
Карта полів та полігони
Поля рисуються як полігони: агроном обходить границю або обводить на карті пальцем. Ввід полігона через тап по точках на карті — MKPolygon / GmsPolygon з live-preview краю. Зберігаємо в GeoJSON, площу обчислюємо через ST_Area(ST_Transform(geom, 32637)) на сервері (UTM-проекція для точності в метрах).
| Функція | Технологія |
|---|---|
| Офлайн-карти | MapLibre GL + MBTiles |
| Супутникові знімки | Sentinel Hub API / Earth Engine |
| ML-хвороби | TFLite / Core ML |
| Зовнішній GPS | NMEA 0183 / BLE |
| Польові завдання | Room + WorkManager |
Етапи та строки
- Аудит: які датчики/техніка вже використовуються, яка GNSS-точність потрібна
- Розробка офлайн-моделі даних — поля, завдання, сезони
- Карта та робота з полігонами
- ML-модуль — підготовка датасету або використання готових моделей
- Інтеграції з зовнішніми системами
- Пілот на одному господарстві до продакшену
MVP (карта полів, завдання, фотофіксація): 8–12 тижнів. Повнофункціональна AgriTech-платформа з ML, інтеграцією техніки та датчиків: 5–8 місяців. Вартість розраховується індивідуально.