Автоматизированная инвентаризация коллекционных карт: Raspberry Pi, LEGO и AWS Rekognition

История проекта

Накоряв старую коробку с картами Magic: The Gathering, я захотел узнать, сколько у меня карт и какова их стоимость. Ручной учет занял бы вечность, поэтому я решил автоматизировать процесс. Решение объединило Raspberry Pi, платформу из LEGO и сервисы AWS (S3 и Rekognition).

Принцип работы

1. Камера Raspberry Pi, закрепленная на платформе LEGO, фотографирует название каждой карты.
2. Изображения загружаются в бакет AWS S3 для хранения и пакетной обработки.
3. AWS Rekognition распознает текст, после чего API ценовой базы (TCGplayer) выдает текущие рыночные значения.

Платформа из LEGO

Вместо столярных работ я использовал средний контейнер LEGO — дешевое, компактное решение, безопасное для карт. Конструкция вдохновлена купленным за $7 сортировщиком. Задний сервопривод вращает колесо, которое по одной сдвигает карту вперед, а переднее колесо удерживает колоду. Несколько склеенных карт добавлены для веса, гарантируя подачу строго одной карты за цикл. Камера установлена в нескольких дюймах над платформой под точным углом для захвата области с названием.

Небольшой вызов — длина шлейфного кабеля; более длинный кабель повышает надежность.

Аппаратная часть

Raspberry Pi идеально подходит для запуска Python-скриптов, управляющих сервоприводами и съемкой. Необходимые компоненты: два сервопривода, камера Pi и блок питания 5 В (подключенный к макетной плате для удобства).

Программное обеспечение

Весь код написан на Python 2.7. Один скрипт управляет сервоприводами и делает снимки; второй обрабатывает изображения в S3 с помощью Rekognition.

После загрузки набора на платформу запускаем:

python mtg_servo.py <abbreviation_of_set>

Скрипт активирует сервоприводы, сканирует карты и сохраняет каждое изображение в папку, названную по аббревиатуре набора (например, M13). Производительность — около 20–25 карт в минуту.

AWS S3 и Rekognition

Хотя Tesseract и OpenCV мощны, Rekognition выигрывает в простоте и гибкости при разном освещении и позиционировании. С бесплатным аккаунтом AWS можно обрабатывать до 5000 изображений в месяц. Фотографии загружаются вручную (доступна краткая инструкция) в бакет S3, повторяющий локальную структуру: /имя_набора/файл.jpg.

Скриншоты ниже демонстрируют высокую точность Rekognition даже на неидеальных снимках.

Когда все изображения в S3, автоматизируем OCR и экспорт в CSV:

python Rekognize_S3.py <abbreviation_of_set>

Результаты по 920 отсканированным картам:

• 619 — точное совпадение (67,3%)
• 201 — ошибка в одной букве (21,8%)
• 100 — ошибка более чем в одной букве (10,9%)

После OCR я запрашивал API TCGplayer для получения актуальных цен. Общая стоимость обычных, необычных и редких карт (исключая уже оцененные) составила около $275.

Обновление 27.05.2018: Скрипт Rekognition теперь в реальном времени передает распознанный текст в API TCGplayer, записывая результаты в файл. Доступ к API требует краткой регистрации.

Заключение

Надеюсь, этот проект вдохновит вас на создание собственной цифровой каталогизации карт. Планирую расширить систему на спортивные карты и другие коллекционные наборы. Удачного сканирования!

Источник: Trading Card Scanner/Organizer