Разработка мобильного приложения для агросектора (AgriTech)
Агроном стоит посреди поля в Краснодарском крае — смартфон ловит один деление сигнала, GPS прыгает на 10–15 метров. Ему нужно зафиксировать аномалию на конкретной делянке, сфотографировать пятно болезни, привязать к координатам и отправить в систему мониторинга. Через полчаса он будет в зоне без связи вообще. Классическое мобильное приложение здесь не работает.
Офлайн-картография и точность координат
AgriTech-приложение работает в условиях, где интернета часто нет несколько часов подряд. Поля не меняются каждый день — можно (и нужно) предзагружать растровые или векторные тайлы на устройство.
Спутниковые снимки. Для агронома важнее Sentinel-2 или DigitalGlobe, чем дорожные карты. Tile-server поднимается с данными из Earth Engine или Copernicus Open Access Hub, тайлы кешируются через MBTiles-формат и отображаются через MapLibre GL Native. Пользователь перед выездом скачивает тайлы нужного региона за последние 2 недели — видны NDVI-изменения, пятна заболеваний, переувлажнение.
Точность GPS. Встроенный GPS смартфона даёт 3–5 метров в чистом поле, до 15 метров при облачности. Для точного маппинга делянок этого недостаточно. Решения:
- Bluetooth-приёмник с GNSS (Trimble R1, Bad Elf GPS+) даёт субметровую точность через стандартный протокол NMEA 0183
- SBAS (WAAS/EGNOS) коррекция — бесплатно, улучшает до 1–3 метров
- RTK через мобильный интернет (NTRIP-клиент) — сантиметры, требует постоянную сеть
Интеграция внешнего GPS на Android: UsbSerialForAndroid для USB-OTG или BluetoothSocket для BLE-приёмников. На iOS — External Accessory Framework для MFi-сертифицированных устройств.
Полевые работы и задачи
Агроном в поле выполняет задачи: инспекция участка, отбор проб, полив, внесение удобрений. Это workflow из задач с геопривязкой, которые создаёт агроном-консультант в веб-интерфейсе, а полевой сотрудник выполняет в мобильном приложении.
Статусная модель задачи: created → assigned → in_progress → completed. При переходе в in_progress фиксируем GPS-точку начала, при completed — точку и фото. Если пользователь закрыл задачу без сети — операция попадает в очередь (Room база данных, таблица pending_operations), синхронизируется при появлении соединения через WorkManager с NetworkConstraint.
Идентификация культур и болезней через ML
Съёмка растения и автоматическое определение болезни — популярная фича AgriTech. Реализуем через Core ML (iOS) или TensorFlow Lite (Android) с моделью, дообученной на культурах клиента. Модель упаковывается в mlmodel/.tflite и живёт на устройстве — работает офлайн, что критично для поля.
Базовые open-source модели: PlantNet, iNaturalist API, или модели из PlantVillage датасета (38 классов болезней 14 культур). Для продакшена дообучаем на региональных данных клиента через Transfer Learning поверх MobileNetV3.
Ограничение: модель распознаёт листовые болезни, но не стрессы от нехватки микроэлементов — для этого нужны мультиспектральные снимки с дрона, не фото на смартфон.
Интеграция с умными датчиками и техникой
AgriTech-экосистема включает датчики почвы (Davis Instruments, Decagon), метеостанции, умные ирригационные системы (Netafim, Lindsay) и точные сельскохозяйственные машины (John Deere Operations Center API, AGCO Connect). Мобильное приложение агронома — это точка интеграции, где данные со всех источников сходятся в единый контекст поля.
Для Bluetooth-датчиков на iOS: CoreBluetooth с CBCentralManager, GATT-профиль производителя. Для датчиков с WiFi/LoRaWAN — данные агрегируются сервером, мобильный клиент запрашивает через REST или WebSocket.
John Deere Operations Center предоставляет OAuth 2.0 REST API с данными о машинах, полях и операциях. Интеграция требует партнёрского аккаунта разработчика.
Карта полей и полигоны
Поля рисуются как полигоны: агроном обходит границу или обводит на карте пальцем. Ввод полигона через тап по точкам на карте — MKPolygon / GmsPolygon с live-preview края. Сохраняем в GeoJSON, площадь вычисляем через ST_Area(ST_Transform(geom, 32637)) на сервере (UTM-проекция для точности в метрах).
| Функция | Технология |
|---|---|
| Офлайн-карты | MapLibre GL + MBTiles |
| Спутниковые снимки | Sentinel Hub API / Earth Engine |
| ML-болезни | TFLite / Core ML |
| Внешний GPS | NMEA 0183 / BLE |
| Полевые задачи | Room + WorkManager |
Этапы и сроки
- Аудит: какие датчики/техника уже используются, какая GNSS-точность нужна
- Разработка офлайн-модели данных — поля, задачи, сезоны
- Карта и работа с полигонами
- ML-модуль — подготовка датасета или использование готовых моделей
- Интеграции с внешними системами
- Пилот на одном хозяйстве до продакшена
MVP (карта полей, задачи, фотофиксация): 8–12 недель. Полноценная AgriTech-платформа с ML, интеграцией техники и датчиков: 5–8 месяцев. Стоимость рассчитывается индивидуально.