OnmyojiAutoScript悬赏封印OCR识别异常问题分析

OnmyojiAutoScript悬赏封印OCR识别异常问题分析

OnmyojiAutoScript Onmyoji Auto Script | 阴阳师脚本 项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript

问题现象

在OnmyojiAutoScript项目中，用户反馈在执行悬赏封印任务时出现OCR识别异常情况。具体表现为：当悬赏任务进度显示为"4/6"（即已完成4次，总共需要完成6次）时，系统错误地将该进度识别为"46"，导致脚本逻辑判断错误。

技术背景

OCR（光学字符识别）技术在游戏自动化脚本中扮演着重要角色，特别是在识别游戏界面中的文字信息时。OnmyojiAutoScript项目使用OCR技术来识别游戏中的各种文本信息，包括但不限于任务进度、奖励数量、角色属性等数值信息。

问题根源分析

通过对用户提供的日志和截图进行分析，发现问题的核心在于OCR引擎对分数形式数字的识别存在缺陷：

1. 特殊字符干扰："/"符号在数字之间时，容易被忽略或错误识别
2. 数字间距问题：当数字与"/"符号间距较小时，OCR容易将其整体识别为连续数字
3. 训练数据不足：OCR模型可能缺乏对游戏内特定数字显示样式的充分训练

解决方案建议

针对这一问题，可以从以下几个方向进行改进：

1. 预处理优化：

   • 增加对分数形式数字的特殊处理逻辑
   • 在OCR识别前对图像进行二值化和降噪处理
   • 针对"/"符号设计专门的识别增强算法

2. 后处理优化：

   • 对识别结果添加合理性校验
   • 当识别到连续数字时，检查是否符合可能的任务进度格式（如X/Y）
   • 结合上下文信息进行结果修正

3. 模型训练优化：

   • 收集更多游戏内分数形式数字的样本进行针对性训练
   • 调整模型参数，提高对特殊符号的识别准确率
   • 实现自适应学习机制，根据用户反馈不断优化识别效果

实施建议

对于开发者而言，可以采取分阶段实施方案：

1. 短期方案：实现简单的后处理校验逻辑，快速解决当前问题
2. 中期方案：优化图像预处理流程，提高OCR识别准确率
3. 长期方案：收集更多样本数据，持续优化OCR模型

总结

OCR识别精度问题在游戏自动化领域具有普遍性，特别是在处理特殊数字格式时。OnmyojiAutoScript项目遇到的这一问题为我们提供了宝贵的实际案例，通过分析解决这一问题，不仅可以提升当前项目的稳定性，也能为类似项目积累经验。建议开发者建立持续优化的OCR识别框架，以适应游戏界面可能的各种变化。

OnmyojiAutoScript Onmyoji Auto Script | 阴阳师脚本 项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript