Scanner / Organizador de cartões comerciais

Crie um inventário digital de suas negociações / cartões colecionáveis ​​usando Lego e um Raspberry Pi.

História

Eu realmente gostava de cartões colecionáveis ​​quando criança. Recentemente, encontrei muitos cards de Magic The Gathering em uma caixa e pensei comigo mesmo - me pergunto quantos cards eu tenho e quanto eles valem ?! Registrar e procurar manualmente levaria um tempo, então decidi ver se poderia automatizar parte do processo. De alguma forma, o processo levou ao uso de um Raspberry Pi, construindo uma plataforma de Lego e aproveitando o AWS S3 / Rekognition!

O processo

• Tire uma foto do título do cartão usando uma Raspberry Pi, câmera RPi e plataforma Lego

• Faça upload das imagens para um intervalo AWS S3 para armazenamento e processamento

• Use o AWS Rekognition para extrair texto fora da imagem e consultá-lo em uma API de preços para obter o preço de mercado de cada cartão

A plataforma Lego

Não sou bom trabalhando com madeira e pensei que poderia ser difícil para os cartões. Em vez disso, decidi usar o Lego, então comprei uma lixeira média que você pode conseguir em vários varejistas. Eu me desafiei a ficar apenas com esta caixa - nenhum outro suporte, portanto, por que essa coisa parece esquelética. Este projeto não mostrará como construí-lo tijolo por tijolo, mas deve haver fotos suficientes aqui para ser capaz de replicá-lo ou torná-lo ainda melhor! O design foi inspirado em um classificador de cartas barato de $ 7 que comprei anos atrás. O servo na parte de trás é capaz de girar continuamente e mover os pneus para frente em uma configuração simples em formato de engrenagem. A roda na frente saindo da peça verde escura serve para evitar que as outras cartas escorreguem. Há espaço suficiente para empurrar um cartão de cada vez. Também usei alguns cartões colados com fita adesiva para manter peso suficiente nos cartões para garantir que apenas um saísse. Divulgação total - você notará no primeiro vídeo que uma foto foi tirada quando o cartão não estava na posição. Isso acontecia de vez em quando, mas era trivial remover as imagens em branco.


O servo traseiro irá girar para mover as rodas para a frente na visualização ViewFront. Observe que o pequeno servo na frente não está conectado - ele está preso contra a base e as colunas cinzas. O servo motor frontal é simplesmente encaixado entre as placas azuis inferiores e as colunas cinzas. Colei alguns cartões juntos para manter o peso dos cartões para que apenas um cartão pudesse sair

A câmera fica em uma pilha de tijolos posicionados a alguns centímetros de distância da plataforma, em um ângulo que se alinhe com a posição do cartão. A resolução foi modificada com código para capturar a parte superior da parte do cartão.


O comprimento da fita era uma espécie de dor de se lidar - eu recomendaria comprar uma mais longa.

O Hardware

Raspberry Pi foi a melhor escolha para este projeto, pois eu precisaria executar o python para os periféricos. As outras coisas de que precisamos são dois servo motores e uma câmera. Eu tenho uma fonte de alimentação de 5 V conectada à placa de ensaio - não obrigatória, mas útil.

O Código

O código foi escrito inteiramente em python 2.7. Um script é para alimentar os servos e tirar a foto; a outra é para processar as imagens armazenadas no S3 contra o Rekognition.

Assim que tivermos nossos cartões carregados na plataforma Lego, podemos simplesmente fazer:

 python mtg_servo.py  

Isso iniciará os servos e digitalizará os cartões. Assim que terminar, podemos sair do script e carregar mais. Consegui fazer cerca de 20-25 cartas por minuto. O era um código de três letras para o conjunto de cartões. Isso nos ajuda a nos mantermos organizados tanto para o processamento de imagens quanto para a API de preços, por exemplo, todos os .jpg para o conjunto "M13" foram gravados no caminho .

AWS S3 e Rekognition

Tentei fazer OCR com tesseract e OpenCV. Embora ambos sejam ferramentas incríveis, o Rekognition provou ser muito mais fácil de usar. Permitiu muita flexibilidade para posicionamento, iluminação, distância, etc. Você precisará de uma conta AWS para fazer isso que é gratuito. A Amazon é muito generosa com seu nível gratuito da AWS - você pode processar 5.000 fotos por mês com ele. Eu carreguei os arquivos S3 manualmente por uma questão de tempo (não mostrado, mas aqui está um guia). O balde s3 foi configurado exatamente como o diretório atual - /set_name/file.jpg. As imagens abaixo mostram a versão demo do Rekognition processando algumas das fotos tiradas. Você notará que é incrivelmente preciso, apesar de quaisquer problemas com a foto.


Sample CaptureSample Capture

Podemos automatizar esse processo! Depois que todos os cartões forem carregados para o intervalo, podemos executar o código abaixo para gerar nosso Texto detectado em um csv:

 python Rekognize_S3.py  

Aqui estão os resultados do processamento da imagem. Não tenho dúvidas de que seria muito maior se as fotos fossem de melhor qualidade. Os outros dois problemas principais que encontrei foram (1) a fonte - muitas das fontes tinham caracteres que eram enganosamente próximos de onde até eu tive dificuldade em decifrá-los e (2) a iluminação. Dos 920 cartões que digitalizei:

• 619 eram exatos (67,3%)

• 201 estavam errados por uma carta (21,8%)

• 100 estavam errados por mais de uma letra (10,9%)

Legal! Depois disso, escrevi um script python rápido para acessar a API do TCGplayer para obter o preço de mercado dos cartões *. No final, eu tinha cerca de $ 275 em bens comuns, incomuns e raros! (Tirei todos os cartões que sabia que já valiam dinheiro)

* Editar 27/05/18: Eu atualizei o script Rekognition para executar o texto detectado na API do TGCplayer em tempo real (e gravando em um arquivo). Lembre-se de que existe um processo de inscrição para a API.

Fechamento

Espero que isso o inspire a pegar esses cartões antigos e fazer algo com eles! Estou pensando em fazer isso novamente com cartas de esportes e vários outros conjuntos. Boa digitalização!

Fonte: Scanner / organizador de cartões colecionáveis