Сканер коллекционных карт / органайзер
Создайте цифровой инвентарь своей торговли / коллекционные карточки с использованием Lego и Raspberry Pi.
История
В детстве я очень любил торговать картами. Недавно я наткнулся на множество карт Magic The Gathering в коробке и подумал:интересно, сколько у меня карт и сколько они стоят ?! Регистрация и поиск их вручную займет некоторое время, поэтому я решил посмотреть, смогу ли я автоматизировать некоторые из этих процессов. Каким-то образом этот процесс привел к использованию Raspberry Pi, созданию платформы из Lego и использованию AWS S3 / Rekognition!
Процесс
- Сделайте снимок названия карты с помощью Raspberry Pi, камеры RPi и платформы Lego.
- Загрузите изображения в корзину AWS S3 для хранения и обработки.
- Используйте AWS Rekognition, чтобы извлечь текст из изображения и запросить его с помощью API ценообразования, чтобы получить рыночную цену каждой карты.
У меня было много работы ...
Платформа Lego
Я не умею работать с деревом и подумал, что это может быть грубо. Вместо этого я решил использовать Lego, поэтому купил корзину среднего размера, которую можно купить в нескольких магазинах. Я поставил перед собой задачу придерживаться только этой коробки - никакой другой поддержки, поэтому эта штука выглядит голой. В этом проекте не будет показано, как построить кирпичик за кирпичиком, но здесь должно быть достаточно фотографий, чтобы можно было воспроизвести его или сделать еще лучше! Дизайн был вдохновлен дешевым сортировщиком карточек за 7 долларов, который я купил много лет назад. Сервопривод в задней части может непрерывно вращаться и перемещать шины вперед в простой конфигурации, напоминающей шестеренку. Колесо спереди, свисающее с темно-зеленой части, предназначено для предотвращения выпадания других карт. Места достаточно, чтобы выдвигать по одной карте за раз. Я также использовал несколько карточек, скрепленных вместе, чтобы удерживать на них достаточный вес, чтобы из них вышла только одна. Полное раскрытие информации - в первом видео вы заметите, что фотография была сделана, когда карта была не на месте. Это происходило время от времени, но удалить пустые картинки было тривиальной задачей.
Задний сервопривод будет вращаться, чтобы передвинуть колеса вперед. Обратите внимание, что маленький сервопривод на передней панели не подключен - он заклинивает в основании и серых столбцах Передний сервомотор просто вклинивается между нижними синими пластинами и серыми столбцами Я склеил несколько карт вместе, чтобы удерживать вес на картах, чтобы только одна карта могла come out
Камера находится на стопке кирпичей, расположенных в нескольких дюймах от платформы, под углом так, чтобы совпадать с положением карты. Разрешение было изменено с помощью кода для захвата верхней части карты.
Длиной ленты было немного неудобно - я бы порекомендовал взять более длинную.
Оборудование
Raspberry Pi был лучшим выбором для этого проекта, так как мне нужно было запустить python для периферийных устройств. Еще нам понадобятся два серводвигателя и камера. У меня есть источник питания 5 В, подключенный к макетной плате - не обязательно, но полезно.
Код
Код полностью написан на Python 2.7. Один сценарий предназначен для включения сервоприводов и фотографирования; другой - для обработки изображений, хранящихся в S3, в Rekognition.
После того, как наши карты загружены на платформу Lego, мы можем просто сделать:
python mtg_servo.py
Это запустит сервоприводы и просканирует карты. Как только это будет сделано, мы сможем выйти из скрипта и загрузить больше. Я мог делать около 20-25 карточек в минуту.
AWS S3 и Rekognition
Я пробовал выполнять распознавание текста с помощью tesseract и OpenCV. Хотя оба являются замечательными инструментами, Rekognition оказалось намного проще в использовании. Это обеспечило большую гибкость при позиционировании, освещении, расстоянии и т. Д. Для этого вам понадобится учетная запись AWS, которая бесплатна. Amazon довольно щедры со своим уровнем бесплатного пользования AWS - вы можете обрабатывать 5000 изображений в месяц в рамках этого уровня. Я загрузил файлы S3 вручную, чтобы сэкономить время (не показано, но вот руководство). Корзина s3 была настроена точно так же, как текущий каталог - /set_name/file.jpg. На скриншотах ниже показана демонстрационная версия Rekognition, обрабатывающая некоторые из сделанных снимков. Вы заметите, что изображение невероятно точное, несмотря на любые проблемы с фотографией.
Пример CaptureSample Capture
Мы можем автоматизировать этот процесс! После того, как все карточки будут загружены в корзину, мы можем запустить приведенный ниже код, чтобы вывести наш обнаруженный текст в CSV:
python Rekognize_S3.py
Вот результаты обработки изображения. Я не сомневаюсь, что это было бы намного больше, если бы картинки были лучшего качества. Двумя другими основными проблемами, с которыми я столкнулся, были (1) шрифт - многие шрифты имели символы, обманчиво близкие к тем, с которыми даже мне было трудно их расшифровать, и (2) освещение. Из 920 отсканированных карт:
- 619 были точными (67,3%)
- 201 отклонение на одну букву (21,8%)
- 100 отклонены более чем на одну букву (10,9%).
Прекрасно! После этого я написал быстрый скрипт на Python, чтобы задействовать API TCGplayer по рыночной цене карт *. В итоге у меня было обыкновенных, необычных и редких вещей на сумму около 275 долларов! (Я удалил все карты, которые, как я знал, уже стоили денег)
* Изменить 27.05.18: Я обновил скрипт Rekognition, чтобы он запускал обнаруженный текст в API TGCplayer в режиме реального времени (и записывал в файл). Имейте в виду, что для API существует процесс подачи заявки.
Закрытие
Надеюсь, это вдохновит вас выбросить старые карточки и что-нибудь с ними сделать! Я планирую сделать это снова со спортивными карточками и другими наборами. Удачного сканирования!
Источник: Сканер коллекционных карточек / Органайзер
Производственный процесс