StarRailCopilot项目中的遗器本识别问题分析与解决方案
2025-06-20 11:51:44作者:何将鹤
问题背景
在StarRailCopilot项目中,用户报告了一个关于遗器本识别的问题。具体表现为当"物理·击破"遗器本不在列表第一页时,系统无法正确识别该副本。这个问题影响了自动化流程的正常执行,导致用户无法顺利完成预设的每日副本挑战任务。
问题现象分析
从用户提供的日志和截图可以观察到以下关键现象:
- 系统在尝试识别"物理·击破"遗器本时,仅扫描了列表的前几项内容
- 日志显示系统识别到了"霜风之径"、"漂泊之径"和"圣颂之径"三个副本,但没有找到目标副本
- 用户截图证实目标副本确实存在于列表中,但位于较靠后的位置
- 系统在识别失败后没有尝试向下滚动查看更多副本选项
技术原因探究
经过深入分析,这个问题主要由以下几个技术因素导致:
-
列表识别范围限制:当前实现仅扫描列表的可见部分(通常是第一页内容),没有实现完整的滚动查找机制。
-
副本排序逻辑假设:代码中隐含假设了副本会按照某种特定顺序排列,而实际上游戏中的副本列表顺序可能与解锁顺序或其他因素相关。
-
OCR识别范围局限:光学字符识别(OCR)仅应用于当前屏幕可见区域,没有结合滚动操作来扩大识别范围。
-
状态检测不完整:系统没有充分检测副本的解锁状态("传送"与"追踪"的区别),导致对已解锁副本的判断不准确。
解决方案设计
针对上述问题,建议从以下几个方面进行改进:
-
实现完整的滚动查找机制:
- 添加向下滚动功能,确保能够浏览整个副本列表
- 设置合理的滚动步长和最大滚动次数,平衡查找效率和完整性
- 实现滚动后的内容重新识别流程
-
改进副本识别逻辑:
- 移除对副本排序的任何假设,采用完全动态的识别方式
- 增加对副本解锁状态的检测(区分"传送"和"追踪")
- 实现更健壮的OCR后处理,处理可能的识别错误
-
优化错误处理流程:
- 当目标副本不在当前视图中时,自动触发滚动操作
- 设置合理的超时机制,避免无限查找
- 提供更清晰的错误日志,帮助诊断识别失败原因
-
增强用户体验:
- 在UI中显示当前查找进度
- 提供手动干预的选项
- 优化查找过程的视觉反馈
实现建议
具体到代码层面,可以考虑以下实现方式:
- 在DraggableList类中增加scroll_down方法,实现可控的列表滚动
- 修改DungeonList的识别逻辑,使其能够处理多页内容
- 添加对副本状态的检测逻辑,准确判断是否已解锁
- 实现查找循环,结合滚动和识别操作,直到找到目标或达到最大尝试次数
总结
StarRailCopilot项目中的这个遗器本识别问题揭示了自动化系统中常见的界面元素查找挑战。通过分析我们了解到,健壮的自动化系统不能对界面元素的排列顺序做任何假设,必须实现完整的查找机制。解决方案不仅需要解决当前的具体问题,还应建立更通用的界面元素查找框架,为处理类似问题提供基础。这种改进将显著提升系统的稳定性和用户体验,使自动化流程更加可靠。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0380- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
515

openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
346
380

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
334
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
603
58