트레이딩 카드 스캐너/주최자

거래의 디지털 인벤토리 생성 /레고와 라즈베리 파이를 사용한 수집 가능한 카드

스토리

저는 어렸을 때 트레이딩 카드를 정말 좋아했습니다. 최근에 상자에 들어 있는 Magic Gathering 카드를 많이 보고 속으로 생각했습니다. 카드가 몇 장이고 그 가치가 얼마인지 궁금합니다. 수동으로 로깅하고 찾는 데 시간이 걸리므로 일부 프로세스를 자동화할 수 있는지 확인하기로 결정했습니다. 여하튼 그 과정은 Raspberry Pi를 사용하여 Lego에서 플랫폼을 구축하고 AWS S3/Rekognition을 활용하게 되었습니다!

프로세스

• 라즈베리파이, RPi 카메라, 레고 플랫폼을 이용해 카드 제목 사진 찍기

• 저장 및 처리를 위해 AWS S3 버킷에 사진 업로드

• AWS Rekognition을 사용하여 사진에서 텍스트를 추출하고 요금 API에 대해 쿼리하여 각 카드의 시장 가격을 얻습니다.

할 일이 많았는데...

레고 플랫폼

저는 목공을 잘하지 못하는데 카드에 거칠다고 생각했습니다. 대신, 나는 레고를 사용하기로 결정하여 여러 소매점에서 구입할 수 있는 중간 크기의 상자를 샀습니다. 나는 이 상자에만 충실하기로 나 자신에게 도전했습니다. 다른 지원이 없기 때문에 이것이 맨손으로 보이는 이유입니다. 이 프로젝트는 벽돌을 쌓는 방법을 보여주지는 않겠지만 여기에는 복제하거나 더 좋게 만들 수 있을 만큼 충분한 사진이 있어야 합니다! 디자인은 내가 몇 년 전에 구입한 저렴한 7달러 카드 분류기에서 영감을 받았습니다. 뒤쪽에 있는 서보는 계속해서 회전할 수 있고 간단한 톱니바퀴 같은 설정으로 타이어를 앞으로 움직입니다. 짙은 녹색 조각에 매달려 있는 전면의 바퀴는 다른 카드가 미끄러지는 것을 방지하기 위한 것입니다. 한 번에 한 장의 카드를 밀어낼 수 있는 충분한 공간이 있습니다. 나는 또한 한 장만 나올 수 있도록 카드에 충분한 무게를 유지하기 위해 함께 테이프로 된 몇 장의 카드를 사용했습니다. 전체 공개 – 첫 번째 비디오에서 카드가 제자리에 있지 않을 때 사진이 찍힌 것을 알 수 있습니다. 가끔 이런 일이 있었지만 빈 사진을 제거하는 것은 사소한 일이었습니다.

뒤쪽 서보가 회전하여 바퀴를 앞으로 이동합니다.Overhead ViewFront 보기. 전면에 있는 작은 서보는 연결되어 있지 않다는 점에 유의하십시오. 베이스와 회색 기둥에 고정되어 있습니다. 전면 서보 모터는 파란색 하단 플레이트와 회색 기둥 사이에 끼워져 있습니다. come out

카메라는 플랫폼에서 몇 인치 떨어진 벽돌 더미 위에 놓여 있으며 카드의 위치와 일치하도록 비스듬합니다. 카드의 상단 부분을 캡처하는 코드로 해상도를 수정했습니다.

리본의 길이는 다루기 힘든 고통이었습니다. 더 긴 것을 사용하는 것이 좋습니다.

하드웨어

주변기기용으로 파이썬을 실행해야 했기 때문에 이 프로젝트에서 라즈베리 파이가 최고의 선택이었습니다. 우리에게 필요한 다른 것은 두 개의 서보 모터와 카메라입니다. 브레드보드에 연결된 5V 전원 공급 장치가 있습니다. 필수는 아니지만 유용합니다.

코드

코드는 완전히 파이썬 2.7로 작성되었습니다. 한 스크립트는 서보에 전원을 공급하고 사진을 찍는 것입니다. 다른 하나는 Rekognition에 대해 S3에 저장된 사진을 처리하기 위한 것입니다.

카드가 레고 플랫폼에 로드되면 다음과 같이 간단하게 할 수 있습니다.

파이썬 mtg_servo.py  

이것은 서보를 시작하고 카드를 스캔합니다. 완료되면 스크립트를 종료하고 더 로드할 수 있습니다. 1분에 20~25장 정도 할 수 있었습니다. 은 카드 세트의 세 글자 코드였습니다. 이렇게 하면 이미지 처리와 가격 책정 API 모두를 체계적으로 유지하는 데 도움이 됩니다. "M13" 세트에 대한 모든 .jpg는 경로에 작성되었습니다.

AWS S3 및 Rekognition

tesseract와 OpenCV로 OCR을 시도했습니다. 둘 다 놀라운 도구이지만 Rekognition은 사용하기가 훨씬 더 쉽습니다. 위치, 조명, 거리 등에 대해 많은 유연성을 허용했습니다. 이 작업을 수행하려면 무료인 AWS 계정이 필요합니다. Amazon은 AWS 프리 티어에 대해 관대합니다. 한 달에 5,000장의 사진을 처리할 수 있습니다. 시간을 위해 수동으로 S3 파일을 업로드했습니다(표시되지 않았지만 여기에 가이드가 있음). s3 버킷은 현재 디렉터리인 /set_name/file.jpg와 똑같이 설정되었습니다. 아래 스크린샷은 찍은 사진 중 일부를 처리하는 Rekognition의 데모 버전을 보여줍니다. 사진에 문제가 있음에도 불구하고 매우 정확하다는 것을 알 수 있습니다.

샘플 CaptureSample Capture

이 프로세스를 자동화할 수 있습니다! 모든 카드가 버킷에 업로드되면 아래 코드를 실행하여 감지된 텍스트를 csv로 출력할 수 있습니다.

파이썬 Rekognize_S3.py 

이미지 처리 결과입니다. 사진의 품질이 더 좋았더라면 훨씬 더 높았을 거라 믿어 의심치 않습니다. 내가 만난 다른 두 가지 주요 문제는 (1) 글꼴 – 많은 글꼴에는 내가 해독하기 어려운 위치에 믿을 수 없을 정도로 가까운 문자가 있고 (2) 조명이 있습니다. 내가 스캔한 920장의 카드 중:

• 619개가 정확함(67.3%)

• 201은 한 글자 차이(21.8%)

• 100은 한 글자 이상 차이가 났습니다(10.9%)

귀엽다! 그 후, 나는 TCGplayer의 API를 카드의 시장 가격*에 맞추는 빠른 파이썬 스크립트를 작성했습니다. 결국 나는 약 $275 상당의 커먼, 언커먼, 레어를 갖게 되었습니다! (나는 이미 가치가 있는 것으로 알고 있는 모든 카드를 제거했습니다)

*2018년 5월 27일 수정: TGCplayer의 API에 대해 감지된 텍스트를 실시간으로 실행하고 파일에 쓰기 위해 Rekognition 스크립트를 업데이트했습니다. API에 대한 신청 절차가 있음을 명심하십시오.

마감

이 글을 통해 오래된 카드를 없애고 무언가를 할 수 있기를 바랍니다! 나는 스포츠 카드와 다른 다양한 세트로 이것을 다시 할 계획입니다. 즐거운 스캔하세요!

출처: 트레이딩 카드 스캐너/주최자