Inventaire Automatisé de Cartes à Collectionner : Raspberry Pi, Lego et AWS Rekognition

Créez un catalogue numérique pour vos cartes à collectionner et à jouer grâce à un Raspberry Pi, une plateforme en Lego et les services AWS.

Histoire

En retrouvant une boîte de cartes Magic : The Gathering, je me suis demandé combien j'en possédais et quelle était leur valeur. La saisie manuelle de chaque carte aurait été fastidieuse, j'ai donc cherché à automatiser le processus. La solution combine un Raspberry Pi, une plateforme Lego personnalisée, et les services AWS S3 et Rekognition.

Le Processus

• Capture du titre de la carte via une caméra Raspberry Pi montée sur une plateforme Lego.
• Téléversement des images vers un bucket AWS S3 pour le stockage et le traitement par lots.
• Utilisation d'AWS Rekognition pour extraire le texte, puis interrogation d'une API de cotation pour obtenir les valeurs de marché actuelles.

La Plateforme Lego

Au lieu du travail du bois, j'ai opté pour un bac Lego moyen — une solution peu coûteuse et peu encombrante qui protège les cartes. Le design s'inspire d'un trieur de cartes à 7 $ que j'ai possédé. Un servomoteur arrière fait tourner une roue qui avance une carte à la fois, tandis qu'une roue avant maintient le paquet stable. J'ai collé quelques cartes ensemble pour ajouter du poids, garantissant qu'une seule carte bouge par cycle. La caméra est positionnée quelques centimètres au-dessus de la plateforme, inclinée précisément pour capturer la zone du titre.

La longueur du câble ruban a posé un léger défi ; un câble plus long améliore la fiabilité.

Le Matériel

Le Raspberry Pi est idéal pour exécuter des scripts Python qui contrôlent les servomoteurs et capturent les images. Composants requis : deux servomoteurs, une caméra Pi, et une alimentation 5 V (connectée à une plaque d'essai pour plus de commodité).

Le Code

Tout le code est écrit en Python 2.7. Un script alimente les servomoteurs et prend les photos ; le second traite les images stockées dans S3 avec Rekognition.

Après avoir chargé un set sur la plateforme, exécutez :

python mtg_servo.py <abréviation_du_set>

Cela active les servomoteurs, scanne les cartes et enregistre chaque image dans un dossier nommé d'après l'abréviation du set (par exemple, M13). J'ai atteint un débit d'environ 20 à 25 cartes par minute.

AWS S3 et Rekognition

Bien que Tesseract et OpenCV soient puissants, Rekognition offrait une plus grande facilité d'utilisation et une flexibilité accrue en matière d'éclairage et de positionnement. Avec un compte AWS — gratuit à la création — vous pouvez traiter jusqu'à 5 000 images par mois sur le niveau gratuit. Les images sont téléversées manuellement (un guide rapide est disponible) vers un bucket S3 reproduisant la structure de répertoires locale : /nom_du_set/fichier.jpg.

Les captures d'écran suivantes démontrent la grande précision de Rekognition, même avec des photos imparfaites.

Une fois toutes les images dans S3, automatisez l'OCR et exportez les résultats en CSV :

python Rekognize_S3.py <abréviation_du_set>

Sur 920 cartes scannées :

• 619 étaient exactes (67,3 %)
• 201 différaient d'une lettre (21,8 %)
• 100 différaient de plus d'une lettre (10,9 %)

Après l'OCR, j'ai interrogé l'API de TCGplayer pour obtenir les prix en temps réel. La valeur totale des communes, peu communes et rares — en excluant les cartes déjà évaluées — s'élevait à environ 275 $.

Mise à jour du 27/05/18 : Le script Rekognition diffuse maintenant le texte détecté vers l'API de TCGplayer en temps réel, écrivant les résultats dans un fichier. L'accès à l'API nécessite une courte procédure de candidature.

Conclusion

J'espère que ce projet vous inspirera pour vos propres explorations en matière de catalogage numérique de cartes. Je prévois d'étendre le système aux cartes de sport et à d'autres ensembles de collection. Bon scan !

Source : Trading Card Scanner/Organizer