EEPW论坛

背景

我小时候真的很喜欢交易卡。最近在一个盒子里我发现了很多以前收藏的万智牌卡片，于是我转念一想——我一共有多少张卡片，它们一共值多少钱？手动记录和查找这些需要一段时间，所以我决定看看我是否可以自动化一些过程。而鉴别过程中我使用的是 Raspberry Pi，并且用乐高构建平台并利用好 AWS S3/Rekognition！

步骤

使用树莓派、RPi 相机和乐高平台拍摄卡片标题

将图片上传到 AWS S3 存储桶进行存储和处理

使用 AWS Rekognition 从图片中提取文本并针对定价 API 进行查询以获取每张卡的市场价格

乐高

我不擅长木工，如果在外形设计方面使用木工产出，可能会导致项目最终比较粗糙。所以我决定使用乐高来制作项目的外形，并且你可以很容易的买到。这个项目不会展示如何一砖一瓦地建造它，但我会在这里使用过程中所拍下的图片来以达到重现的效果！

这个设计的灵感来自我几年前买的一个便宜的 7 美元卡片分类器。后面的伺服系统能够以简单的齿轮状设置连续旋转并向前移动轮胎。前面的轮子从深绿色部分伸出来，是为了防止其他卡片滑出。只有足够的空间一次推出一张卡。我还用了几张贴在一起的卡片来保持卡片足够的重量，以确保只有一张出来。

相机位于距离平台几英寸的一堆砖块上，倾斜的角度与卡片的位置对齐。分辨率已用代码修改以捕获卡的顶部。

硬件

Raspberry Pi 是这个项目的最佳选择，因为我需要为外围设备运行 python。我们需要的其他东西是两个伺服电机和一个相机。我有一个连接到面包板的 5V 电源 - 不是强制性的，但很有帮助。

编码

代码完全用 python 2.7 编写。一个脚本用于为伺服系统供电并拍照；另一种是针对 Rekognition 处理存储在 S3 中的图片。

一旦我们将卡片加载到乐高平台上，我们可以简单地执行以下操作：

python mtg_servo.py 《set_abbreviation》

这将启动伺服系统并扫描卡片。完成后，我们可以退出脚本并加载更多内容。我一分钟能做大约 20-25 张牌。《set_abbreviation》 是卡组的三个字母代码。这有助于我们在图像处理和定价 API 方面保持井井有条，例如“M13”集的所有 .jpg 文件都写入 《current_directory/M13》 路径。

AWS S3 和 Rekognition

我尝试使用 tesseract 和 OpenCV 进行 OCR。虽然两者都是很棒的工具，但事实证明 Rekognition 更易于使用。它为定位、照明、距离等提供了很大的灵活性。您需要一个免费的 AWS 帐户才能执行此操作。亚马逊的 AWS 免费套餐非常慷慨——您每月可以处理 5，000 张图片。由于时间原因，我手动上传了 S3 文件（未显示，但这里有一个指南）。s3 存储桶的设置与当前目录 - /set_name/file.jpg 完全相同。下面的屏幕截图显示了 Rekognition 的演示版处理一些拍摄的照片。

我们可以自动化这个过程！将所有卡片上传到存储桶后，我们可以运行以下代码将检测到的文本输出到 csv 中：

python Rekognize_S3.py 《set_abbreviation》

这是图像处理的结果。如果图片质量更好，我毫不怀疑这会更高。我遇到的另外两个主要问题是 （1） 字体 - 许多字体的字符看似接近我很难破译它们的位置和 （2） 照明。在我扫描的 920 张卡片中：

619 张是准确的 （67.3%）

201 张相比少了 （21.8%）

100 张多了（10.9%）

到此就是最终结果了！