%20(2).svg)
项目简介
本项目是基于Python的物流任务自动执行系统，旨在实现物流任务的持续自动执行。它模拟游戏中接任务、送货、交任务、回程导航以及返回的完整流程，利用图像识别、机器学习等技术自动识别屏幕上的图标和文字，驱动鼠标和键盘完成相应操作。
项目的主要特性和功能
- 任务自动化执行：按顺序循环执行接任务、送货、交任务、回程导航、返回五个步骤，实现物流任务自动化操作。
- 图像与文字识别：运用
pyautogui和OpenCV进行图像捕获与处理，通过模板匹配定位图标；使用CNOCR进行文字识别。 - 图标状态识别：采用机器学习模型（随机森林分类器），根据图像的彩色直方图特征预测图标的可用或不可用状态。
- 模型训练与验证：提供图标自动抓取、单状态和双状态模型训练以及模型验证功能，确保识别准确性。
- 语音播报：具备语音播报功能，可及时反馈操作信息。
安装使用步骤
环境准备
cd D:\Workspace\git\eveauto
conda remove -n evejump --all
conda create -n evejump python=3.10.6
conda activate evejump
pip install pillow pyautogui
pip install opencv-python numpy
pip install scikit-learn scikit-image
pip install cnocr
pip install onnxruntime
pip install pyttsx3
pip install tensorflow
pip install keyboard
模型准备
- 截取识别图标：截取游戏界面清晰背景下可用和不可用状态的图标（若图标仅一种状态则省略不可用状态截取），保存为33*33大小的png格式到
icon目录。 - 准备训练图片：在游戏中分别显示不同状态图标时，执行
python snap.py <图标名称>，程序会自动截图并保存到studydata目录。 - 训练模型：对于两种状态的图标，执行
python train2stat.py <图标名称>；对于一种状态的图标，执行python train1stat.py <图标名称>。 - 模型验证：执行
python testtrain.py <图标名称>对训练模型进行反向验证。
运行程序
执行python go.py启动及调度程序，按顺序循环执行物流任务。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】