Automatisiertes Trading-Card-Inventar: Raspberry Pi, Lego und AWS Rekognition

Erstellen Sie einen digitalen Katalog für Ihre Sammel- und Spielkarten mit einem Raspberry Pi, einer Lego-basierten Plattform und AWS-Diensten.

Die Geschichte

Als ich eine Kiste mit Magic: The Gathering-Karten fand, fragte ich mich, wie viele ich besaß und welchen Wert sie hatten. Das manuelle Erfassen jeder Karte wäre mühsam gewesen, daher setzte ich auf Automatisierung. Die Lösung kombinierte einen Raspberry Pi, eine maßgefertigte Lego-Plattform und AWS S3 mit Rekognition.

Der Prozess

• Kartentitel mit einer Raspberry-Pi-Kamera aufnehmen, die auf einer Lego-Plattform montiert ist.
• Bilder in einen AWS S3 Bucket hochladen für Speicherung und Batch-Verarbeitung.
• AWS Rekognition nutzen, um Text zu extrahieren, und anschließend eine Preisschnittstelle für aktuelle Marktwerte abfragen.

Die Lego-Plattform

Statt Holzarbeiten wählte ich einen mittelgroßen Lego-Behälter – eine kostengünstige, schonende Lösung, die die Karten schützt. Das Design wurde von einem 7-Dollar-Kartensortierer inspiriert, den ich einmal besaß. Ein rückseitiger Servo dreht ein Rad, das jeweils eine Karte nach vorne schiebt, während ein vorderes Rad den Stapel stabil hält. Ich klebte einige Karten zusammen, um Gewicht hinzuzufügen und sicherzustellen, dass pro Zyklus nur eine einzelne Karte bewegt wird. Die Kamera sitzt wenige Zentimeter über der Plattform, präzise ausgerichtet auf den Titelbereich.

Die Länge des Flachbandkabels war eine kleine Herausforderung; ein längeres Kabel verbessert die Zuverlässigkeit.

Die Hardware

Der Raspberry Pi eignet sich ideal, um Python-Skripte auszuführen, die die Servos steuern und Bilder aufnehmen. Benötigte Komponenten: zwei Servomotoren, eine Pi-Kamera und ein 5-V-Netzteil (für Komfort an einem Breadboard angeschlossen).

Der Code

Der gesamte Code ist in Python 2.7 geschrieben. Ein Skript steuert die Servos und macht Fotos; das zweite verarbeitet die in S3 gespeicherten Bilder mit Rekognition.

Nach dem Laden eines Sets auf die Plattform führen Sie aus:

python mtg_servo.py <set_kürzel>

Dies aktiviert die Servos, scannt die Karten und speichert jedes Bild in einem Ordner, der nach dem Set-Kürzel benannt ist (z. B. M13). Ich erreichte einen Durchsatz von etwa 20–25 Karten pro Minute.

AWS S3 und Rekognition

Während Tesseract und OpenCV leistungsstark sind, bot Rekognition größere Benutzerfreundlichkeit und Flexibilität bei Beleuchtung und Positionierung. Mit einem AWS-Konto – kostenlos einzurichten – können Sie bis zu 5.000 Bilder pro Monat im Free Tier verarbeiten. Bilder werden manuell (eine Kurzanleitung ist verfügbar) in einen S3-Bucket hochgeladen, der die lokale Verzeichnisstruktur spiegelt: /set_name/file.jpg.

Die folgenden Screenshots demonstrieren die hohe Genauigkeit von Rekognition, selbst bei unvollkommenen Fotos.

Sobald alle Bilder in S3 sind, automatisieren Sie die OCR und exportieren die Ergebnisse als CSV:

python Rekognize_S3.py <set_kürzel>

Von 920 gescannten Karten:

• 619 waren exakt (67,3 %)
• 201 wichen um einen Buchstaben ab (21,8 %)
• 100 wichen um mehr als einen Buchstaben ab (10,9 %)

Nach der OCR habe ich die TCGplayer-API für Live-Preise abgefragt. Der Gesamtwert der Commons, Uncommons und Rares – bereits bewertete Karten ausgenommen – betrug etwa 275 US-Dollar.

Update 27.05.18: Das Rekognition-Skript streamt nun erkannten Text in Echtzeit an die TCGplayer-API und schreibt die Ergebnisse in eine Datei. Der API-Zugang erfordert einen kurzen Antragsprozess.

Abschluss

Ich hoffe, dieses Projekt inspiriert Sie zu eigenen Erkundungen im digitalen Kartenkatalogisieren. Ich plane, das System auf Sportkarten und andere Sammelsets zu erweitern. Viel Spaß beim Scannen!

Quelle: Trading Card Scanner/Organizer