1) Общая идея (кратко)
Ввод изображения (скриншот / сохраненное изображение графика)
Обработка изображений / распознавание шаблонов (OpenCV / ML модель) → сигнал (купить/продать/держать)
Управление рисками + правила определения размера заказа
Отправить заказ на Binance через API (python-binance) — сначала используйте тестовую сеть
2) Необходимые инструменты / библиотеки
Python 3.9+
python-binance (клиент REST API Binance)
OpenCV (cv2) — предобработка изображений / сопоставление шаблонов
numpy, Pillow
(По желанию, для ML) tensorflow/keras или PyTorch — если вы обучаете классификатор CNN
pandas для ведения журнала
3) Простые подходы (выберите один)
A. Сопоставление шаблонов (быстро, ML не требуется)
Создайте небольшие шаблонные изображения для свечных паттернов или индикаторов (например, снимки «голова и плечи»)
Используйте OpenCV matchTemplate() для их обнаружения в скриншоте → сигнал
B. Правила на основе особенностей изображения
Обнаружьте цвета/позиции линии скользящей средней, RSI, нарисованный на графике и т.д., через обнаружение пикселей → правила
C. ML модель (лучше, но тяжелее)
Обучите классификатор CNN на помеченных изображениях: купить/продать/держать. Используйте Keras для обучения, затем делайте выводы на входящих изображениях.
4) Пример: Минимальная пайплайн (сопоставление шаблонов) + заказ Binance (тестовая сеть)
Важно: Замените API_KEY / API_SECRET на ваши ключи тестовой сети. Используйте URL тестовой сети Binance для безопасности.
# требования:
# pip install python-binance opencv-python pillow numpy
import cv2
import numpy as np
from binance.client import Client
from binance.enums import SIDE_BUY, SIDE_SELL, ORDER_TYPE_MARKET
import time
import os
# --- УСТАНОВКА BINANCE (ТЕСТОВАЯ СЕТЬ) ---
API_KEY = "YOUR_TESTNET_API_KEY"
API_SECRET = "YOUR_TESTNET_API_SECRET"
# Для тестовой сети используйте конечную точку тестовой сети:
client =
$BTC 👇👇👇👇👇😍😍😍🎁🎁💵💵💵
Ввод изображения (скриншот / сохраненное изображение графика)
Обработка изображений / распознавание шаблонов (OpenCV / ML модель) → сигнал (купить/продать/держать)
Управление рисками + правила определения размера заказа
Отправить заказ на Binance через API (python-binance) — сначала используйте тестовую сеть
2) Необходимые инструменты / библиотеки
Python 3.9+
python-binance (клиент REST API Binance)
OpenCV (cv2) — предобработка изображений / сопоставление шаблонов
numpy, Pillow
(По желанию, для ML) tensorflow/keras или PyTorch — если вы обучаете классификатор CNN
pandas для ведения журнала
3) Простые подходы (выберите один)
A. Сопоставление шаблонов (быстро, ML не требуется)
Создайте небольшие шаблонные изображения для свечных паттернов или индикаторов (например, снимки «голова и плечи»)
Используйте OpenCV matchTemplate() для их обнаружения в скриншоте → сигнал
B. Правила на основе особенностей изображения
Обнаружьте цвета/позиции линии скользящей средней, RSI, нарисованный на графике и т.д., через обнаружение пикселей → правила
C. ML модель (лучше, но тяжелее)
Обучите классификатор CNN на помеченных изображениях: купить/продать/держать. Используйте Keras для обучения, затем делайте выводы на входящих изображениях.
4) Пример: Минимальная пайплайн (сопоставление шаблонов) + заказ Binance (тестовая сеть)
Важно: Замените API_KEY / API_SECRET на ваши ключи тестовой сети. Используйте URL тестовой сети Binance для безопасности.
# требования:
# pip install python-binance opencv-python pillow numpy
import cv2
import numpy as np
from binance.client import Client
from binance.enums import SIDE_BUY, SIDE_SELL, ORDER_TYPE_MARKET
import time
import os
# --- УСТАНОВКА BINANCE (ТЕСТОВАЯ СЕТЬ) ---
API_KEY = "YOUR_TESTNET_API_KEY"
API_SECRET = "YOUR_TESTNET_API_SECRET"
# Для тестовой сети используйте конечную точку тестовой сети:
client =
$BTC 👇👇👇👇👇😍😍😍🎁🎁💵💵💵