业务和功能介绍
1. 图像识别模块：依托OpenCV模板匹配，识别游戏界面按钮、图标、战斗状态，支持自定义识别相似度；集成OCR文字识别，读取界面文字信息，识别弹窗提示、倒计时、任务状态。
2. 任务调度模块：封装阴阳师各类业务流程，包含御魂刷图、觉醒副本、奖励收取、活动巡检等任务，支持任务顺序编排、循环执行、任务启停控制。
3. 控制交互模块：对接模拟器ADB协议，完成屏幕点击、滑动、截图操作，根据图像、OCR识别结果自动输出对应操作指令。
4. 配置与日志模块：提供可视化参数配置，可调整识别阈值、执行间隔；实时输出运行日志，记录识别结果、执行步骤，方便排查运行异常
2. 任务调度模块：封装阴阳师各类业务流程，包含御魂刷图、觉醒副本、奖励收取、活动巡检等任务，支持任务顺序编排、循环执行、任务启停控制。
3. 控制交互模块：对接模拟器ADB协议，完成屏幕点击、滑动、截图操作，根据图像、OCR识别结果自动输出对应操作指令。
4. 配置与日志模块：提供可视化参数配置，可调整识别阈值、执行间隔；实时输出运行日志，记录识别结果、执行步骤，方便排查运行异常
项目实现
整体架构和设计思路，不同模块使用的技术栈
项目采用模块化分层设计，分为画面采集层、图像识别层、业务逻辑层、设备控制层、配置日志层，各模块解耦，便于后续新增游戏任务。
技术栈：
- 基础框架：MAA框架，提供图像调度、设备交互基础能力；
- 图像处理：OpenCV，实现模板匹配、图像预处理、目标图标检测；
- 文字识别：OCR，用于读取界面文字、弹窗提示、任务状态；
- 设备通信：ADB，完成安卓模拟器截图、点击、滑动指令下发；
- 配置存储：JSON，保存任务列表、识别阈值、运行参数；
- 语言：Python，负责业务流程编写、模块调用、流程调度。
项目采用模块化分层设计，分为画面采集层、图像识别层、业务逻辑层、设备控制层、配置日志层，各模块解耦，便于后续新增游戏任务。
技术栈：
- 基础框架：MAA框架，提供图像调度、设备交互基础能力；
- 图像处理：OpenCV，实现模板匹配、图像预处理、目标图标检测；
- 文字识别：OCR，用于读取界面文字、弹窗提示、任务状态；
- 设备通信：ADB，完成安卓模拟器截图、点击、滑动指令下发；
- 配置存储：JSON，保存任务列表、识别阈值、运行参数；
- 语言：Python，负责业务流程编写、模块调用、流程调度。
示例图片视频
相似推荐
数据在线采集
本项目为产业数据直报系统：
1、管理端（省/市/县区三级监管）和填报端（企业、非经营单位）提供端到端的数字化数据采集、审核、统计与导出能力。
2、系统按报告期（年/季/月）驱动 10 张业务表单的填报，涵盖企业基础档案、种植、生产加工、销售、文旅、税收贸易，以及景气调查问卷（含数字选项码与多选字段）。
3、审核采用三级联审机制，支持企业撤回修改、各角色取回、县区退回需第三方评估等精细化规则。
4、管理端提供按地区维度的仪表盘统计（应填/已填/待审/退回率、部分填报识别）、填报进度追踪（按企业/表单维度）和 Excel 导出（问卷选项码转中文、密码加密、填报端仅导出本单位），形成采集-审核-分析闭环。
动态网页数据抓取爬虫/工具-企业股票行情数据
立项背景与目标：
金融分析用户常需获取股市热门标的名单，但东方财富网数据为动态加载，手动复制效率极低。本项目目标是实现热门股吧榜单的自动化采集，输出结构化数据供后续分析使用。
软件功能：
输入目标接口地址，一键运行即可获取企业名称、股吧代码、行情代码三项核心信息，输出为UTF-8编码的纯文本表格。
核心功能模块：
· 请求模块：模拟浏览器访问API接口
· 解析模块：提取JSON中指定字段
· 存储模块：写入本地TXT文件
业务流程：
用户双击运行脚本→程序自动请求接口→解析返回数据→提取三个字段→生成结果文件到当前目录。
功能路径：
下载脚本→确认网络通畅→双击运行→打开同目录下生成的文本文件查看结果
贵州城市天气数据采集-黔城天气采集工具
立项背景与目标：
当前气象数据获取方式仍以人工查询为主，效率低且难以批量处理。本项目旨在通过自动化手段，实现对目标地区天气信息的快速采集与结构化存储，减少人工重复劳动，提升信息获取效率。
1. 数据采集模块：向目标网页发送请求，获取页面内容。
2. 数据解析模块：定位并提取温度、天气状况等关键字段。
3. 数据存储模块：将提取结果写入本地文件，便于后续查阅或导入其他系统。用户运行脚本 → 程序自动请求目标网页 → 解析天气数据 → 写入本地文件 → 完成采集。功能路径描述：
脚本启动 → HTTP 请求 → HTML 解析 → 字段提取 → 文件写入 → 结束运行
基于YOLOv5的嵌入式实时目标检测与识别系统-嵌入式AI识别系统
1、立项背景和目标：
随着物联网与边缘计算快速发展，嵌入式设备承担智能识别任务的需求日益增长。树莓派凭借低成本、易部署优势成为边缘识别常用载体，但受限于算力，复杂模型难以直接部署。本项目在Windows下基于YOLOv5训练轻量化目标检测模型，支持人脸及5类以上日常物品识别，部署至树莓派4结合摄像头实现实时视频流识别，验证从训练到嵌入式端落地的完整链路，为嵌入式AI识别提供可行方案。
2、软件功能、核心功能模块：
系统包含三大核心模块：①目标检测模块——基于YOLOv5实现人脸及日常物品实时检测与定位，输出边界框坐标和类别标签；②人脸识别子模块——实现指定人脸库的身份识别与匹配；③实时视频流处理模块——调用树莓派摄像头完成帧采集、预处理及模型推理，画面叠加标注结果。最终系统帧率5FPS以上，检测mAP≥80%，人脸识别准确率≥85%。
3、业务流程、功能路径描述：
用户启动树莓派执行主程序→系统初始化摄像头并采集实时视频流→每帧图像经尺寸归一化预处理→加载本地YOLOv5轻量化模型推理→输出目标类别、置信度、边界框→OpenCV叠加矩形框和标签至原始画面→HDMI输出至显示器。形成“采集→推理→渲染→输出”闭环流水线，用户无需额外操作即可持续获得识别反馈。
百万级数据容器性能对比器
数据生成：生成百万级的学生数据（学号、姓名、成绩），以CSV格式存储。
数据加载：把CSV里的数据，分别加载到三种不同的数据结构里（vector、map、unordered_map）。
精确查询测试：随机生成一个学号，测试三种容器查询一个特定学生成绩的耗时。
范围查询测试：给定一个成绩区间（如80-90分），测试三种容器统计这个区间内学生数量的耗时。
性能对比结论：用高精度计时，对比三种容器在不同查询场景下的效率差异，得出选型建议。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服