BP Tracker: считываем давление с тонометра камерой iPhone. Часть 1 — выбор стека и первый экран

Многие приложения для здоровья в России перестали нормально работать. Omron — одно из них. А давление мерить надо каждый день. Поэтому я решил сделать своё iOS-приложение, которое через камеру считывает показания с любого тонометра, сохраняет их и строит графики динамики.

Я Senior CV-инженер — компьютерное зрение моя основная работа. Так что OCR с дисплея тонометра технически не должен был стать проблемой. Но как iOS-разработчик я — полный ноль. Xcode открыл впервые. Swift видел мельком. Это честный рассказ о том, как это выглядит изнутри.

И да, я делаю open source приложение за свободу здоровья от политики — и при этом только под iOS. Ирония не ускользнула. Но это open source — найдётся кто-нибудь с Android-девайсом и свободным вечером 🙂

Постановка задачи

Приложение должно:

• Считывать показания (систола / диастола / пульс) с дисплея тонометра через камеру

• Сохранять историю локально — никакого облака, никаких аккаунтов

• Показывать график динамики давления за неделю

• Работать без интернета и без зависимости от внешних сервисов

Последний пункт принципиален: если приложение зависит от чьего-то сервера — оно снова может перестать работать в любой момент.

Выбор стека: почему не React Native

Первый инстинкт — взять React Native, есть небольшой опыт с React. Но после честного разбора вариантов выбор стал очевиден:

Flutter и React Native — кроссплатформенные фреймворки. Но мне нужен только iOS, то есть их главное преимущество просто не нужно. А проигрывают они нативному стеку по самому важному пункту — качеству OCR и доступу к камере.

Итоговый стек:

• SwiftUI — декларативный UI (оказался очень похож на React концептуально)

• SwiftData — локальная БД, аналог ORM, никакого SQL

• Apple Vision framework — on-device OCR через VNRecognizeTextRequest

• Swift Charts — встроенная визуализация, iOS 16+

• AVFoundation — прямой доступ к камере (во второй части)

Ноль внешних зависимостей. Ничего не заблокируется.

Архитектура проекта

Модель данных

Главный экран

Концепция простая: по центру — график за последние 7 дней, внизу — карточка с последним измерением, и большая кнопка + для нового считывания.

OCR: валидация важнее распознавания

VNRecognizeTextRequest — готовая Apple-модель, аналог pretrained YOLO. Запускаешь inference, получаешь текст. Но главная проблема OCR на LCD-дисплеях — не распознавание, а ложные срабатывания. Фон, блики, соседние надписи — всё это попадает в результат.

Решение то же, что и в детекции объектов: post-processing с жёсткими ограничениями:

За один вечер с нуля на незнакомом языке получили:

• ✅ Работающая локальная база данных

• ✅ График систолы и диастолы с линией нормы

• ✅ Карточка последнего измерения с цветовым индикатором

• ✅ Весь OCR-сервис с валидацией

  

  Код на GitHub: Alexandr-Shklyaev/bp-tracker ^[1]

В следующей части подключаем камеру через AVFoundation, строим real-time OCR пайплайн и учим приложение находить ROI с дисплеем тонометра на кадре.