news 2026/4/19 7:57:52

OnmyojiAutoScript百鬼夜行自动化技术实现与智能决策方案解析

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
OnmyojiAutoScript百鬼夜行自动化技术实现与智能决策方案解析

OnmyojiAutoScript百鬼夜行自动化技术实现与智能决策方案解析

【免费下载链接】OnmyojiAutoScriptOnmyoji Auto Script | 阴阳师脚本项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript

OnmyojiAutoScript作为阴阳师自动化脚本项目，其百鬼夜行模块通过计算机视觉识别与智能决策算法，实现了高效式神碎片收集的自动化解决方案。该系统采用模块化架构设计，结合图像识别、目标跟踪和自适应控制策略，为玩家提供稳定可靠的碎片获取途径。

问题驱动：手动操作效率瓶颈与技术解决方案

传统百鬼夜行手动操作面临三大核心问题：撒豆时机难以精确控制、碎片获取效率低下、长时间操作导致的设备性能衰减。数据统计显示，人工操作的有效撒豆率仅为50%-60%，而自动化系统可将该指标提升至85%以上。

技术架构设计原理

百鬼夜行自动化系统采用三层架构设计：设备控制层、图像处理层和决策执行层。设备控制层通过ADB或Windows消息机制与模拟器交互；图像处理层基于YOLO目标检测算法识别式神位置；决策执行层应用强化学习算法优化撒豆策略。

核心工作流程：

  1. 屏幕图像捕获（100-300ms间隔）
  2. 式神目标检测与分类（置信度阈值0.6）
  3. 运动轨迹预测与跟踪（IOU阈值0.7）
  4. 撒豆决策与执行（5-10颗/秒频率）

图1：自动化系统主界面展示任务管理与模块配置功能

技术实现：图像识别与智能决策算法深度解析

目标检测与跟踪算法实现

系统采用基于ONNX Runtime的YOLO目标检测模型，支持FP32推理精度，针对百鬼夜行场景优化了式神识别分类。检测器通过oashya.tracker.Tracker类实现，配置参数包括置信度阈值（conf_threshold）和NMS阈值（iou_threshold）。

# 跟踪器初始化配置示例 args = { 'conf_threshold': 0.6, # 置信度阈值，范围[0.2, 1] 'iou_threshold': 0.7, # NMS阈值，范围[0.2, 1] 'precision': 'fp32', # 推理精度 'inference_engine': 'onnxruntime', # 推理引擎 'debug': False # 调试模式 } tracker = Tracker(args=args)

撒豆决策算法设计

决策算法基于加权优先级系统，为不同稀有度式神分配权重参数。系统通过Focus类计算每个目标的决策价值（omega值），结合式神稀有度、运动速度和buff状态进行综合评估。

权重配置示例：

# 式神稀有度权重配置 weights = [ hya_config.hya_sp, # SP式神权重，默认1.0 hya_config.hya_ssr, # SSR式神权重，默认1.0 hya_config.hya_sr, # SR式神权重，默认0.7 hya_config.hya_r, # R式神权重，默认0.3 hya_config.hya_n, # N式神权重，默认0.0 hya_config.hya_g # 呱太权重，默认0.0 ]

控制方案技术对比与选择

系统支持多种控制方案，适应不同设备和性能需求：

控制方案技术原理性能指标适用场景
MINITOUCHADB触控指令延迟5-10ms，CPU占用3-5%多开操作，后台运行
WINDOW_MESSAGEWindows消息模拟延迟2-5ms，CPU占用1-3%单窗口操作，低配设备
NEMU_IPC雷电模拟器专用延迟3-7ms，CPU占用2-4%雷电模拟器专用

配置路径：tasks/Hyakkiyakou/config.py中的ControlMethod枚举类定义控制方案，ScreenshotMethod枚举类定义截图方法。

配置参数详解与性能调优策略

核心配置参数解析

百鬼夜行模块的配置参数集中在HyakkiyakouConfig类中，支持精细化的性能调优：

class HyakkiyakouConfig(ConfigBase): hya_limit_time: Time = Field(default=Time(minute=20)) # 运行时间限制 hya_limit_count: int = Field(default=10) # 运行次数限制 hya_invite_friend: bool = Field(default=False) # 邀请好友功能 hya_auto_bean: bool = Field(default=False) # 自动调整豆子数量 hya_priorities: str = Field(default='') # 优先级式神列表 hya_sp: float = Field(default=1.0) # SP式神权重 hya_ssr: float = Field(default=1.0) # SSR式神权重 hya_sr: float = Field(default=0.7) # SR式神权重 hya_r: float = Field(default=0.3) # R式神权重 hya_n: float = Field(default=0.0) # N式神权重 hya_g: float = Field(default=0.0) # 呱太权重

性能优化参数调优

图像处理优化：

  • 截图间隔：推荐200-300ms，过高频率增加CPU负载
  • 识别区域：可缩小至屏幕中央60%区域，提升处理速度
  • 模型精度：FP32提供最佳精度，INT8在特定硬件上可提升30%推理速度

决策算法优化：

  • 优先级列表：通过hya_priorities参数指定目标式神，格式为逗号分隔的式神ID
  • 权重调整：根据碎片需求动态调整稀有度权重，SP/SSR权重建议0.8-1.2
  • 撒豆密度：通过agent.py中的策略参数控制，推荐5-8颗/秒

调试与监控配置

系统提供完整的调试工具链，通过DebugConfig类配置：

class DebugConfig(ConfigBase): hya_show: bool = Field(default=False) # 显示跟踪结果 hya_info: bool = Field(default=False) # 输出调试信息 continuous_learning: bool = Field(default=False) # 持续学习模式 hya_save_result: bool = Field(default=False) # 保存结果 hya_interval: float = Field(default=300) # 截图间隔(ms) hya_screenshot_method: ScreenshotMethod = Field(default=ScreenshotMethod.WINDOW_BACKGROUND) hya_control_method: ControlMethod = Field(default=ControlMethod.WINDOW_MESSAGE)

图2：系统配置界面展示参数调整与调试选项

实践案例：多场景应用与故障排查方案

常规碎片收集场景配置

场景特征：以收集特定SR/R式神碎片为目标，对稀有度要求不高但需要高执行效率。

优化配置方案：

# config/hyakkiyakou/strategy.yaml target_priority: "姑获鸟,雪女,山兔" # 优先级式神列表 bean_density: SSR: {min: 10, max: 15, interval: [50, 80]} SR: {min: 8, max: 12, interval: [40, 70]} R: {min: 5, max: 8, interval: [30, 60]} click_strategy: "continuous" # 连续撒豆模式 auto_bean_threshold: 20 # 自动续豆阈值

性能指标：在此配置下，系统可在20分钟内完成10轮百鬼夜行，平均碎片获取率提升至常规操作的1.5倍。

稀有式神碎片场景应急方案

当检测到SSR/SP式神时，系统自动切换为应急模式：

  1. 优先级动态调整：将目标SSR/SP式神权重临时提升至1.5
  2. 撒豆策略优化：启用集中撒豆模式，短时间内投放15-20颗豆子
  3. 识别区域聚焦：缩小识别范围至屏幕中央40%区域，提高识别精度

技术实现路径：

# tasks/Hyakkiyakou/agent/agent.py def emergency_mode(self, target_class): """应急模式处理稀有式神""" if CI.MIN_SSR <= target_class <= CI.MAX_SSR: self.current_weight_multiplier = 1.5 self.bean_density = {'min': 15, 'max': 20} self.recognition_area = (0.3, 0.3, 0.7, 0.7) # 中央40%区域

故障排查技术流程

撒豆无响应问题排查：

  1. ADB连接状态检查：

    adb devices # 确认设备连接状态 adb shell input tap 100 100 # 测试触控功能

  2. 控制权限验证：

    • 确认模拟器已启用ADB调试
    • 检查Windows消息权限设置
    • 验证截图方法兼容性

  3. 配置文件完整性检查：

    # 验证配置参数范围 if conf < 0.2 or conf > 1: raise RequestHumanTakeover('conf_threshold should be in [0.2, 1]') if iou < 0.2 or iou > 1: raise RequestHumanTakeover('iou_threshold should be in [0.2, 1]')

识别准确率优化方案：

  1. 屏幕校准流程：

    • 使用系统内置校准工具：tools/screen_calibration.py
    • 手动调整识别阈值至0.7-0.8范围
    • 更新图像模板库至最新版本

  2. 性能瓶颈分析：

    • 监控CPU占用率，超过70%时降低截图频率
    • 检查内存使用情况，优化图像缓存策略
    • 调整识别算法参数，平衡精度与速度

深度拓展：高级功能实现与架构优化

多账号轮换管理技术

系统支持多账号配置文件管理，通过Scheduler类实现任务调度：

# tasks/Component/config_scheduler.py class Scheduler(ConfigBase): enable: bool = Field(default=True) # 调度器启用状态 limit_count: int = Field(default=1) # 运行次数限制 limit_time: Time = Field(default=Time(minute=20)) # 时间限制 priority: str = Field(default='') # 任务优先级 server: str = Field(default='cn') # 服务器选择

配置文件管理策略：

  • 每个账号保存独立的config.json配置文件
  • 支持配置文件导入导出，避免重复配置
  • 通过环境变量切换账号配置

自适应算法优化技术

系统采用基于历史数据的自适应优化算法，通过oashya库的持续学习功能提升识别精度：

  1. 数据收集阶段：启用continuous_learning模式保存识别样本
  2. 模型训练阶段：使用保存的数据重新训练目标检测模型
  3. 模型部署阶段：更新模型权重文件，提升特定式神识别率

技术实现路径：

# tasks/Hyakkiyakou/debugger.py def collect_training_data(self, image, boxes): """收集训练数据用于模型优化""" if self.config.debug_config.continuous_learning: save_path = f'./tasks/Hyakkiyakou/training_data/{datetime.now():%Y%m%d_%H%M%S}.png' cv2.imwrite(save_path, image) # 保存标注信息 with open(save_path.replace('.png', '.txt'), 'w') as f: for box in boxes: f.write(f"{box[0]} {box[2][0]} {box[2][1]} {box[2][2]} {box[2][3]}\n")

性能监控与日志分析系统

系统内置完整的性能监控机制，通过logger模块记录关键指标：

监控指标包括：

  • 帧处理时间：平均50-80ms/帧
  • 识别准确率：85-95%（受设备性能影响）
  • 撒豆成功率：70-85%（受网络延迟影响）
  • 资源占用：CPU 10-20%，内存150-200MB

日志分析工具：

# module/logger.py class Logger: def performance_report(self): """生成性能报告""" report = { 'avg_frame_time': self.calculate_avg_frame_time(), 'recognition_accuracy': self.calculate_accuracy(), 'resource_usage': self.get_resource_stats(), 'error_rate': self.calculate_error_rate() } return report

兼容性与扩展性设计

系统采用模块化设计，支持多种扩展方案：

  1. 插件式架构：通过agent和slave模块分离业务逻辑与设备控制
  2. 配置驱动开发：所有参数通过配置文件管理，无需修改代码
  3. 多设备支持：兼容主流安卓模拟器（雷电、夜神、MuMu等）
  4. 跨平台设计：支持Windows和Linux系统运行

扩展开发指南：

  • 新增式神识别：在oashya.labels中添加标签定义
  • 自定义撒豆策略：继承Focus类重写decision方法
  • 设备适配开发：在module/device/method/下实现新的控制方案

通过深入理解OnmyojiAutoScript百鬼夜行模块的技术实现，用户可以针对特定需求进行精细化配置和性能调优。系统提供的完整技术栈和模块化架构，为高级用户提供了充分的定制空间，同时保证了基础功能的稳定性和易用性。建议用户从默认配置开始，逐步根据实际运行效果调整参数，实现最优的自动化碎片收集效率。

【免费下载链接】OnmyojiAutoScriptOnmyoji Auto Script | 阴阳师脚本项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/4/19 7:53:31

功耗分析与优化：让设备续航更久

功耗分析与优化&#xff1a;让设备续航更久 在移动设备和物联网时代&#xff0c;续航能力成为用户体验的核心指标之一。无论是智能手机、智能手表&#xff0c;还是各类嵌入式设备&#xff0c;功耗过高都会导致频繁充电或更换电池&#xff0c;影响使用效率。功耗分析与优化正是…

作者头像 李华
网站建设 2026/4/19 7:53:28

自然语言处理入门实践

自然语言处理入门实践&#xff1a;探索AI与语言的奥秘 自然语言处理&#xff08;NLP&#xff09;是人工智能的重要分支&#xff0c;致力于让机器理解、生成和处理人类语言。从智能客服到机器翻译&#xff0c;NLP技术已渗透日常生活。对于初学者而言&#xff0c;掌握基础实践是…

作者头像 李华
网站建设 2026/4/19 7:53:26

C#怎么实现WebAPI版本控制_C#如何管理不同接口版本【核心】

首选URL路径版本&#xff08;如/api/v1/users&#xff09;&#xff0c;因其直观、易调试、兼容缓存与代理&#xff1b;请求头版本易受CORS、CDN、Swagger及前端限制&#xff0c;常见406错误和fetch失败。WebAPI 版本控制该用 URL 路径还是请求头URL 路径版本&#xff08;如 /ap…

作者头像 李华
网站建设 2026/4/19 7:52:25

保姆级教程：用实时口罩检测-通用模型快速搭建公共场所防疫检测系统

保姆级教程&#xff1a;用实时口罩检测-通用模型快速搭建公共场所防疫检测系统 1. 引言&#xff1a;为什么需要实时口罩检测系统 在公共场所管理中&#xff0c;确保人员佩戴口罩是防疫工作的重要环节。传统的人工检查方式不仅效率低下&#xff0c;而且容易造成人员聚集。基于…

作者头像 李华
网站建设 2026/4/19 7:50:22

阴阳师自动脚本爬塔功能故障排查：3步定位与5种修复方案

阴阳师自动脚本爬塔功能故障排查&#xff1a;3步定位与5种修复方案 【免费下载链接】OnmyojiAutoScript Onmyoji Auto Script | 阴阳师脚本 项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript 阴阳师自动脚本&#xff08;Onmyoji Auto Script&#xff09;…

作者头像 李华
网站建设 2026/4/19 7:50:18

阴阳师自动脚本爬塔功能：5分钟快速上手与常见问题解决指南

阴阳师自动脚本爬塔功能&#xff1a;5分钟快速上手与常见问题解决指南 【免费下载链接】OnmyojiAutoScript Onmyoji Auto Script | 阴阳师脚本 项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript 阴阳师自动脚本&#xff08;Onmyoji Auto Script&#xff…

作者头像 李华