[Python] 树莓派5双摄OCR读书机：12步打造开源语音合成阅读设备

Accessible Book Reader 成品

对于盲人和重度视障者来说，普通纸质书本身没有语音输出，依赖屏幕的阅读设备也未必容易操作。作者 lhm0 因此制作了一台 Accessible Book Reader：把打开的书倒扣在两块倾斜玻璃上，按下实体按键，设备便拍摄左右两页、识别文字并按顺序朗读。

这是一套开源软件与开放硬件结合的完整设备。Raspberry Pi 5 负责图像处理、OCR 和系统控制；两颗 1600 万像素摄像头分别拍摄左右页；Raspberry Pi Pico 管理两组 NFC 读卡器；实体按键、旋钮和语音提示承担全部交互。使用者不需要触摸屏，也不必在扫描过程中操作手机。

先看懂整套系统如何工作

系统硬件框图

每次按下启动键，两颗摄像头采集打开书本的左右页，两块各含 20 颗 LED 的灯板以较低角度照亮纸面，尽量减少玻璃反光。图像交给 Raspberry Pi 5 处理，RapidOCR 在本机提取文字，Page Ingestor 再整理段落、断词和跨页句子，随后 Google Cloud Text-to-Speech 将文本转换为音频，并通过内置扬声器播放。

从按键到语音输出的处理顺序

作者没有把识别结果简单地逐页保存。扫描内容会按书籍分别管理，并被划分为大约 10 至 20 页的段落组；检测到章节边界时，系统尽量在章节处结束当前分组。Gemini 为完成的分组生成摘要，再由语音合成服务读出。

两类摘要功能：Recent Pages 关注最近阅读内容，Story So Far 汇总目前为止的整本书进度

设备能处理哪些书

当前软件内置德语和美式英语配置。其他语言原则上也可以增加，但必须同时具备相应的 OCR 与语音服务支持，并修改软件配置。

扫描区域面向每页不超过 160 × 240 mm 的书籍。原文还要求文字距离书脊内侧至少约 9 mm；如果平装书装订很紧、内边距过小，靠近书脊的文字可能被页面弯曲遮挡，或者落到稳定成像区域之外。

NFC 标签贴在书籍后封面的内侧。标签 UID 用作系统中的书籍标识

每本书都需要一枚 NFC 标签。系统用标签 UID 建立独立目录，把该书的识别文本、阅读记录和摘要放在一起，因此读者可以在多本书之间切换，之后再继续扫描。项目支持 ISO 14443A 与 ISO 15693；作者更推荐读取距离较长的 ISO 15693 标签。

主要硬件与材料

模块	项目原文配置
主控	Raspberry Pi 5 4GB 与官方主动散热器
图像采集	2个 Arducam IMX519 1600万像素相机，配140度M12广角镜头
页面照明	2块定制LED板，每块20颗LED，由MOSFET独立控制
交互	3个实体按键、EC11旋转编码器及内置按键、扬声器
书籍识别	Raspberry Pi Pico加2个PN5180读卡器，支持ISO 14443A和ISO 15693标签
音频	MAX98357A I2S功放与无源扬声器
结构	PLA打印外壳、两块4 mm玻璃、M2 M2.5 M3紧固件
软件	RapidOCR本地识别，Google Cloud TTS语音合成，Gemini生成摘要

物料表还列出了定制的树莓派扩展板、控制面板、旋钮板、两块长 LED 板、PN5180 适配板和继电器板，以及 10 芯排线、IDC 插头、JST XH 插头、FQP30N06L MOSFET、470 μF 电解电容、CD4093、1N5819、2N7000 和继电器等元件。

12 个制作步骤

第一步：了解阅读流程与书籍要求

首先确认设备的基本流程：放置已贴 NFC 标签的书，按启动键，等待双页拍摄与文字处理，听取左右页内容；需要回顾时，再使用两个摘要按键。等待第一段音频生成期间，设备会周期性播放提示音，让使用者知道请求已经被接受。

制作前先检查常用书籍的页面尺寸、内侧留白和语言。标签应固定在后封面内侧。若希望提高隔着纸张和玻璃识别的稳定性，原文建议选择 ISO 15693；如果还要兼容 ISO 14443A，则需要在后续步骤中更细致地调谐天线。

第二步：打印并组装外壳

两块分体式底板。由于整体尺寸较大，作者将底板拆成两个可打印部分

除两块玻璃外，外壳结构均采用 3D 打印。作者使用 Bambu Lab X1C 和 PLA。部分零件几乎占满打印平台，较大且较薄的零件应充分冷却后再取下，以免继续降温时发生翘曲。

带通风孔和安装位的侧面外壳零件。项目同时提供 Fusion 源文件、STL 和 3MF

玻璃厚度为 4 mm，物料表列出的两块尺寸分别为 162 × 244 mm 和 166 × 244 mm。作者收到的玻璃短边比标称值约长 1 mm，因此 front、front2、back 和 back2 提供普通版与 _dev 版。打印前应先实测玻璃。3MF 文件还预设了暂停点，用于在打印过程中嵌入 M2、M2.5 或 M3 螺母。

完成底部与侧板连接后的外壳内部，电子部件尚未安装

外壳使用 M2 和 M3 螺钉连接，完整装配关系可以参考仓库中的 abr.f3z。两端的山墙形结构各由内外两层组成，黑色的 front 和 back 先装入主体，两块玻璃从上方插入；木色 front2 和 back2 最后覆盖玻璃边缘并负责固定。

作者建议在电子部分安装、调试和相机对焦结束前，先不要装 front2 与 back2。这样可以随时抽出玻璃进入内部。此阶段玻璃没有被锁住，移动设备时必须防止其滑落。

第三步：制作控制面板并安装树莓派

控制面板由主按键板、EC11 旋钮小板和扬声器组成

较大的控制板安装三个瞬时按键与 10 针接口，小板安装 EC11 旋转编码器，两板之间用五根导线连接，扬声器也直接接入主板。焊接后要检查元件方向、焊点以及按键和旋钮是否能自由穿过外壳开孔。

安装完成的控制面板。三个按键采用不同尺寸，便于通过触摸区分

Raspberry Pi 5 与扩展板安装在底板上，官方主动散热器负责持续散热

先安装 Raspberry Pi 5 官方主动散热器，再用四根 M2.5 × 20 mm 支柱固定主板。OCR 会带来较高处理负载，外壳上的通风孔需要与散热器形成可交换空气的通道。

下一步会安装扩展板并遮挡相机接口，因此此时就要插入两根 22 针、200 mm、Type B 的 FFC 线。Type B 排线两端的裸露触点位于相反面，操作锁扣时要避免损坏细小塑料结构。

第四步：焊接并安装扩展板

扩展板正面：Raspberry Pi Pico、MAX98357A、IDC 接口、LED 接口和驱动元件集中在一块板上

扩展板连接控制面板、两套 PN5180 和两块 LED 板。板上还有 MAX98357A I2S 音频模块、Raspberry Pi Pico 以及两路高功率 N 沟道 MOSFET。焊接时要核对 Pico、MAX98357A、MOSFET、接口和有极性元件的方向。

检查完成后，将扩展板与 Raspberry Pi 5 的 GPIO 排针仔细对齐并压入，再用 M2.5 螺钉固定。相机排线不能被扩展板夹住。

第五步：布置 NFC 天线与 LED 灯板

0.5 mm 漆包铜线沿玻璃边缘形成单匝天线，图中红色箭头标出走线路径

每块玻璃周围布置一匝由 0.5 mm 漆包铜线制成的天线。铜线从前后端板的小孔穿过，短边贴着端板表面，上部长边跨过两块玻璃之间的夹角，下部长边藏在 LED 三角安装条后方。两端需要留出足够长度，之后连接相应的 PN5180。

两块长 LED 板位于玻璃下缘，以较低角度照亮纸面；图中还能看到摄像头和内部电子板

每块 LED PCB 接一根两芯线，另一端压接 2 针 JST XH 插头，并严格核对极性。左右三角支架用 M2 螺钉固定，安装前确认 NFC 铜线完全进入槽内，不能被支架压住。最后把灯板锁在支架上，并接到扩展板对应的左右 LED 插座。

第六步：改装 PN5180 读卡器

PN5180 板载天线的两处切断位置。改装不可逆，必须先核对原图

PN5180 模块自带的印刷天线读取距离不足，因此作者切断板载天线两端的 PCB 走线，刮开指定焊盘附近的阻焊层，露出铜箔并焊接外部天线接口。加热时间不能过长，以免铜皮翘起。

改装后的 PN5180、接口适配板与继电器板组合

两组大天线即使只有一组主动工作，也可能互相耦合。作者增加继电器接口板：一侧读卡器工作时，另一侧天线在电气上断开。继电器板使用继电器、CD4093 与相关元件。若只使用 ISO 15693，可安装 22 pF 调谐电容；若兼容 ISO 14443A，作者建议先装 18 pF，再在 C2 位置增加小电容完成后续调谐。

第七步：安装双摄像头并完成接线

两颗 IMX519 相机固定在底部支架上，以约 45 度角分别面对左右玻璃

镜头调焦环原本由少量胶固定，需要先用锋利刀片谨慎割开胶点，只切胶，不伤到细牙螺纹和附近元件。随后用 M2 螺钉固定支架，每颗相机用四颗螺钉装入支架，并连接预先铺设的 FFC 排线。

作者使用小台钳将 IDC 插头均匀压到 10 芯排线上

控制面板和两套 PN5180 共使用三根 10 芯排线，每根两端各压接一个 IDC 插头。带色标的导线应在两端都对应 1 脚，插头防呆键和应力释放结构方向也要一致。完成六个插头后，最好检查排线连续性，再分别接到扩展板和三个外设组件。

第八步：写入 Pico 固件并安装内部盖板

Pico 固件已经以 UF2 形式放在仓库的 hardware/pn5180_gateway/firmware/pn5180_gateway_pico.uf2。断开 Pico USB，按住 BOOTSEL 再连接电脑，出现 RPI-RP2 磁盘后，把 UF2 文件拖入。复制完成后磁盘自动消失并重启，属于正常现象，不需要额外编程器。

盖板安装前的内部布局：相机、灯板、读卡器、扩展板与排线均已就位

确认所有插头插紧、线缆没有被夹住后，再装两个内部电子盖板。Raspberry Pi 上方盖板会形成独立通风腔，外壳通风槽让主动散热器与外界交换空气。作者要求先完成通电检查，再固定盖板。

第九步：配置 Raspberry Pi 5

原文建议使用 Raspberry Pi OS Lite 64 位。用 Raspberry Pi Imager 写卡时创建用户、启用 SSH 并设置初始网络，首次启动后更新系统，再从仓库克隆项目并创建虚拟环境。

sudo apt update
sudo apt full-upgrade -y
sudo reboot

mkdir -p ~/src
git clone https://github.com/lhm0/accessible_book_reader.git ~/src/abr
cd ~/src/abr
python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e ".[ocr-rapidocr,dev,tts-google]"

启动配置还要启用两颗 IMX519 相机、连接 Pico 的 UART 和连接 MAX98357A 的 I2S，并在 /etc/asound.conf 中把 MAX98357A 配成默认 ALSA 设备。仓库中的 config.txt 只是参考，原文明确提醒不要直接覆盖现有 /boot/firmware/config.txt。

当前生产路径使用 Google Cloud Text-to-Speech 与 Vertex AI Gemini，因此需要建立启用计费的 Google Cloud 项目，开启 texttospeech.googleapis.com 和 aiplatform.googleapis.com，并配置 Application Default Credentials。凭据保存在项目目录之外，不能提交到 GitHub。

cd ~/src/abr
sudo deploy/install_language_switch.sh
sudo deploy/install_control_panel_service.sh

# 选择书籍语言
sudo abr-language de
# 或
sudo abr-language en

安装脚本会把控制程序注册为系统服务，使其开机启动并在 SSH 断开后继续运行。初次检查应确认两颗相机、Pico 网关、扬声器、语言配置和 abr-control-panel.service 均正常。

第十步：对焦并校正双摄像头

保留一块玻璃和测试页面，同时从另一侧伸手调节镜头

作者提供 camera_test_server.py，在局域网浏览器中显示实时画面。对焦一侧时，只装对应玻璃和一张细小高对比度文字页面，拆下另一块玻璃以便转动镜头。测试前暂时停止正常服务，并手动打开相应 LED 灯路。

相机测试服务器的浏览器画面，可边转动镜头边观察文字清晰度

相机 0 默认使用 8000 端口，相机 1 使用 8001 端口。镜头每次只转动很小角度，待画面稳定后再判断，完成后用少量胶固定。两颗相机都对好焦后不要再改变镜头、相机角度或高度，否则下一步生成的校准数据会失效。

仓库提供 160 × 240 mm 的 ChArUco 标定板，应以 100% 比例打印

140 度广角镜头会产生明显桶形畸变。由于相机位置固定，每颗相机只需用一张平面 ChArUco 图完成标定，随后把映射文件用于每次扫描。打印 calibration/out/charuco_160x240_a4.svg 时要关闭适应页面选项，并核对整板为 160 × 240 mm、单格为 20 × 20 mm。

相机直接拍摄的标定板，直线受到广角畸变影响

两侧分别保存全分辨率标定照片，再运行 calibrate_planar_charuco.py，生成 cam0_planar.npz、cam1_planar.npz 以及 detected 和 rectified 预览图。两个 NPZ 文件只适用于对应相机与当前机械位置；任何相机、焦距、角度或高度变化都需要重新标定。

第十一步：调谐天线并完成整机测试

停止正常服务并拆下 NFC 盖板。初始状态在 C1 装 18 pF、C2 留空，用 ISO 14443A 标签贴近玻璃中心，通过 Pico 网关 STATUS 命令检查识别，再以约 1 cm 步进把标签垂直移远，记录仍能可靠检测的最大距离。

断电后在 C2 增加约 2 pF，再重复测距，逐步找到最佳总电容。作者调谐后，ISO 14443A 可靠距离约为 8 cm；ISO 15693 视标签和方向不同，可能超过 15 至 20 cm。两套读卡器必须分别调整，任何电容更换都要在设备断电并拔掉电源时进行。

校准和调谐完成后，清洁玻璃内外侧并清除内部灰尘，最后装上 front2 与 back2 锁住玻璃。启动系统服务，放入已贴标签的书并按启动键。

测试时要确认左右页顺序正确、朗读内容与页面一致、旋钮能调节音量、再次按启动键能停止播放，并在积累足够页面后测试两个摘要按键。若异常，可查看 systemctl status 与 journalctl 日志。

第十二步：日常使用与现阶段效果

控制面板功能：大号启动键、两个摘要键和音量旋钮

• 读一组双页：放好打开的书并按启动键，处理完成后开始朗读；再次按启动键停止。
• 识别书籍：NFC 标签贴在后封面内侧，系统用标签 UID 关联该书的页面和摘要。
• 调节音量：在音频播放时旋转 EC11。
• Story So Far：按摘要键 1，按时间顺序汇总目前已扫描的全书内容。
• Recent Pages：按摘要键 2，总结最近完成的分组与之后尚未归档的页面。
• 删除一本书的数据：同时按启动键和两个摘要键，听取语音说明，再按 EC11 内置按键确认；按任一功能键可以取消。

删除操作会移除该书保存的页面、阅读记录和摘要，适合需要从头重新扫描并重建摘要时使用。

作者表示，当前样机已经实现无需屏幕的触觉操作、自动书籍识别、双页 OCR 与语音播放，正常条件下文字识别错误相对较少。项目仍在持续开发，重点包括长期测试以及摘要层的稳定和优化。

目前从按下启动键到开始播放大约需要 25 秒，期间的心跳提示音用于反馈处理仍在进行。主要限制来自 Raspberry Pi 5 的图像预处理与 OCR 性能。作者比较后继续采用成本较低的 Google 标准语音，因为其效果优于测试过的离线方案，而更自然的云端语音成本明显更高。