这是一个基于深度学习的明日方舟游戏辅助工具，用于自动识别游戏画面中的单位并预测战斗结果。
- 自动识别游戏画面中的单位类型和数量
- 使用深度学习模型预测战斗结果
- 支持自动数据收集和训练
- 提供图形用户界面进行操作
- 支持自动投资和战斗预测
- uv
- Windows 10/11
- NVIDIA GPU (推荐，用于加速模型训练)
- 克隆项目到本地：
git clone [项目地址]
cd [项目目录]-
安装uv包管理工具（推荐）： https://docs.astral.sh/uv/getting-started/installation
-
修改你的设备序列号:
- 详情参考使用方法部分，例如雷电模拟器默认设备序列号'127.0.0.1:5555'
- 你可以从以下网址得知如何找到设备序列号
- 雷电 https://help.ldmnq.com/docs/LD9adbserver
- MUMU https://mumu.163.com/help/20230214/35047_1073151.html
- 蓝叠 https://support.bluestacks.com/hc/en-us/articles/23925869130381-How-to-enable-Android-Debug-Bridge-on-BlueStacks-5
- 运行主程序：
uv run main.py-
在图形界面中：
- 点击"自动获取数据"通过adb链接来自动收集模拟器训练数据
- 可通过点击单人按钮来选择单人或30人模式（注意：30人模式要点击投资勾选框）
- 投资勾选框来选择是投资或观望
- 使用"填写√"和"填写×"按钮记录预测结果
- 使用"预测"按钮获取战斗结果预测
- 点击选择范围按钮来选择识别范围（主要用于截取直播画面进行预测）
- 框选后按回车键确认，框选错误按esc键重新框选
- 使用"识别"按钮手动识别当前画面
- 输入模拟器序列号后点击更新按钮对模拟器进行重新连接
-
训练模型：
- 数据收集完成后，先进行数据清洗，然后训练：
uv run train.py
- 如需使用CUDA加速训练，请在训练前根据安装的CUDA版本执行以下命令：
uv sync --extra cu128
- 选择范围时要尽可能按例子框选，且尽可能将直播画面放大再进行框选
- 建议在训练模型前收集足够的数据
- 自动获取数据功能游戏窗口可在后台运行
- 按ESC键可以随时停止自动获取数据
- 模拟器分辨率目前仅适配了1920*1080
- 如遇到cv2.error:OpenCV……报错字样务必删除opencv-python-headless(与opencv-python冲突)，仅保留opencv-python
main.py: 主程序，包含GUI界面和主要功能train.py: 模型训练脚本loadData.py: 数据加载和处理模块recognize.py: 图像识别模块requirements.txt: 项目依赖包列表data_cleaning.py: 数据清洗
欢迎提交问题和改进建议！