Aplikacja iOS do odczytywania ciśnienia z ciśnieniomierza: rozwój i OCR

Tworzenie aplikacji na iOS do pomiaru ciśnienia za pomocą kamery: technologia i implementacja OCR

Opracowanie aplikacji na iOS, która odczytuje pomiary ciśnienia z ciśnieniomierza przy użyciu kamery smartfona, wymaga starannego wyboru stosu technologicznego i precyzyjnej implementacji OCR. To rozwiązanie umożliwia użytkownikom monitorowanie zdrowia bez zależności od usług chmurowych i zewnętrznych API, zapewniając pełną autonomię i bezpieczeństwo danych.

Wybór stosu technologicznego do rozwoju na iOS

Podczas tworzenia aplikacji do odczytu ciśnienia kluczowym aspektem był dobór technologii. Rozważano frameworki wieloplatformowe, takie jak React Native i Flutter, ale dla zadania wymagającego wysokiej precyzji OCR i bezpośredniego dostępu do kamery, podejście natywne okazało się lepsze. Główne kryteria wyboru obejmowały:

• Jakość OCR: natywny framework Vision od Apple zapewnia dokładne rozpoznawanie tekstu na urządzeniu.
• Dostęp do kamery: AVFoundation pozwala na bezpośrednie zarządzanie kamerą, co jest kluczowe dla przetwarzania wideo w czasie rzeczywistym.
• Lokalne przechowywanie danych: SwiftData dostarcza interfejs podobny do ORM bez konieczności pisania zapytań SQL.

Ostateczny stos obejmuje:

• SwiftUI do deklaratywnego budowania interfejsu.
• Vision framework do wykonania OCR za pomocą VNRecognizeTextRequest.
• SwiftData do zarządzania lokalną bazą danych.
• Swift Charts do wizualizacji wykresów dynamiki ciśnienia.
• AVFoundation do pracy z kamerą (implementacja w drugiej części projektu).

Architektura projektu i model danych

Projekt oparto na architekturze MVVM (Model-View-ViewModel), standardowej dla SwiftUI. To oddziela logikę aplikacji od interfejsu użytkownika, upraszczając testowanie i utrzymanie kodu. Model danych zaimplementowano przy użyciu adnotacji @Model w SwiftData, co automatycznie zapisuje obiekty do lokalnej bazy danych bez ręcznych migracji. Przykład struktury modelu:

@Model
class BloodPressureReading {
    var systolic: Int
    var diastolic: Int
    var heartRate: Int
    var timestamp: Date
}

Implementacja OCR i walidacja danych

OCR jest wykonywane za pomocą Vision framework, gdzie VNRecognizeTextRequest przetwarza obrazy z kamery. Główna trudność polega na filtrowaniu fałszywych wykryć spowodowanych blaskami, tłem lub obcymi napisami. W tym celu stosuje się postprocessing z rygorystycznymi ograniczeniami:

• Odrzucanie fizjologicznie niemożliwych wartości (np. ciśnienie powyżej 300 mmHg).
• Wykorzystanie algorytmów podobnych do NMS w detekcji obiektów do eliminacji duplikatów.
• Konfiguracja parametrów walidacji na podstawie danych testowych.

Interfejs i funkcjonalność aplikacji

Główny ekran aplikacji obejmuje:

• Wykres dynamiki ciśnienia skurczowego i rozkurczowego z ostatnich 7 dni, zbudowany przy użyciu Swift Charts.
• Kartę z ostatnim pomiarem, wyświetlającą wartości i wskaźnik kolorowy (np. zielony dla normy, czerwony dla podwyższonego ciśnienia).
• Przycisk do uruchomienia nowego odczytu przez kamerę.

Aplikacja działa w pełni offline, nie wymagając połączenia internetowego ani kont użytkowników, co gwarantuje prywatność danych.

Co ważne

• Natywny stos SwiftUI + Vision zapewnia wysoką precyzję OCR i wydajność na urządzeniach iOS.
• Lokalne przechowywanie danych z SwiftData eliminuje zależność od usług chmurowych i zwiększa bezpieczeństwo.
• Walidacja OCR jest krytyczna dla filtrowania fałszywych wykryć i zapewnienia wiarygodności odczytów.
• Architektura MVVM upraszcza rozwój i testowanie, oddzielając logikę i interfejs.
• Aplikacja wspiera autonomiczną pracę, co jest istotne w warunkach niestabilności usług zewnętrznych.

— Editorial Team