部落冲突辅助 活死鱼判断+自动下兵
随着时间的推移，我终于也来到了9本，开始需要大量黑油了，是时候完善这个脚本了。
活死鱼判断
这个是一直困扰着我的难题。开始做这个项目，我就一直在想该怎样完成这一任务。
CNN Is All You Need?
最初的想法是直接用卷积神经网络来完成，收集上千个样本，然后直接训练。但是仔细思考，人是怎么判断活死鱼的呢？我是通过墓碑数和采集器是否是满的来判断，CNN能捕捉到这些小细节吗？我对此抱有怀疑。
接着，我就想使用多个分类器，就是CNN提取完特征后，分类器1判断墓碑数是多是少，分类器2判断采集器是否是满的，分类器3才判断是死鱼还是活鱼，前两个分类器是帮助模型收敛和防止过拟合的。
但是考虑到要标注上千张图片，还是作罢了。
You Only Look Once
又想到了用目标检测算法，检测图片中的奖牌、墓碑、满的采集器。现在训练Yolov8近乎是傻瓜式的。以及之前训练过一个用于微信跳一跳的Yolov5模型，当时只用了60张图片就训练出了一个很不错的模型，而且有相当强的泛化能力。所以我对这一方案进行了尝试，且非常有信息。然而，标注了30张图像，训练的结果非常糟糕。
传统CV
无奈，只能使用传统的CV了。判断的规则是，如果是灰牌且有5个以上的墓碑则是死鱼，或者有10个以上的墓碑也是死鱼。
关键的代码是
1
score = cv2.matchTemplate(origin, template, cv2.TM_CCOEFF_NORMED)每个墓碑会有几个像素的差异，而墓碑又非常小，导致几个像素的差异影响非常大，所以是通过计数得分＞0.75的个数，来近似墓碑的个数。
模拟下兵
入坑部落冲突的一个原因是，这个游戏居然可以滑动下兵！所以大家口中的“一字划”，我是真的“一字划”的。所以我希望能模拟出这种下兵方式。
仔细阅读Airtest的API文档和源码后，了解到了airtest.core.android.touch_methods.base_touch中有DownEvent、UpEvent、MoveEvent、SleepEvent这四个基本事件类，contact参数用来实现多触点，contact=0为触点1，contact=1为触点2，以此类推。这一module中，还有BaseTouch这一基类，定义了swipe、pinch、touch等手势，这些手势是由DownEvent、UpEvent、MoveEvent、SleepEvent组合成的。
在airtest.core.android.touch_methods.minitouch和airtest.core.android.touch_methods.maxtouch这两个module中，都基于BaseTouch实现了MaxTouch和MiniTouch。我个人的理解是，它们使用不同的方法去执行DownEvent、UpEvent、MoveEvent、SleepEvent，而BaseTouch是没有实现执行的方法的。
于是我继承了MaxTouch，去实现我的滑动下兵，简单来说就是一个DownEvent，加上数个SleepEvent、MoveEvent，最后来一个UpEvent。虽然尽力地去模仿人类真实下兵的样子了，但依旧有很大差别。
此外，我还重写了swipe、pinch、touch这些手势，加上了一些随机的偏移。（主要是害怕被封号，不过也不知道这样有没有用）