Arknights Neural Network

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。

功能特点

• 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

环境要求

• uv
• Windows 10/11
• NVIDIA GPU (推荐，用于加速模型训练)

安装步骤

1. 克隆项目到本地：

git clone [项目地址]
cd [项目目录]

2. 安装uv包管理工具（推荐）： https://docs.astral.sh/uv/getting-started/installation

3. 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

使用方法

1. 运行主程序：

uv run main.py

2. 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

3. 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
   

注意事项

• 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

文件说明

• 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

贡献

欢迎提交问题和改进建议！