摘要
游戏《英雄无敌：上古纪元》的战斗画面里有很多数字和文字：英雄的攻击/防御、生物的数量和属性、法术书里的说明、战斗日志（Logs，记录每次攻击、施法的文字列表）。本实验（内部编号 B025）回答一个比“全自动识别”更小的问题：如果已经知道某个字段在画面上的大概位置和格式，能不能从现成的 OCR 结果里可靠地读出它，并且在没把握时宁可说“不知道”？
首轮在一段开发录像的 9 张原图上，68 个人眼可读的字段严格匹配 62 个；47 个数字里 45 个读对、0 个读错被接受、2 个拒绝读取。之后又做了三轮扩充：用 OCR 检索补标 276 个字段、一个“无分数复读”规则恢复 12 个数字、四段录像新增 158 个字段核查。所有结果都来自已经看过的开发录像，区域是人工给的，不是独立准确率，也不是自动定位的成绩。
要回答的问题
- 给定区域、格式（整数、分数如
32/68、文字）和语义角色后，读数器能否读对？ - 没把握时（分数低、多次读法冲突、解析不了）能否明确拒绝，而不是删掉坏字符凑一个数？
- 日志里的句子能否被解析成“谁对谁做了什么”的结构？
- 后续扩充的参考数据，旧 OCR 能读对多少、差异出在哪？
几个术语：
- OCR 分数：OCR 引擎给每段读出文字附带的一个 0–1 数值。本实验用 0.90 作开发阈值，它不是“读对的概率”。
- 拒识：读数器主动返回“读不出/不确定”，字段留空，不当作 0。
- 场景门控：先判断画面是否是正常游戏画面；暂停、断线、过渡画面等直接阻止读取。
数据与来源
- 首轮试点：同一段开发录屏中 9 张 2560×1440 原图，已有整图 PP-OCRv6（一个开源 OCR 模型）缓存。人工核对后给定 23 个面板、72 个字段机会：68 个可读，4 个是“不可读/无文字”的对照。
- OCR 检索补标（2026-09-10）：从 7 个视频来源的 20 张已有原图里，新增 30 个区域框、276 个文字/数字框（法术书悬浮说明、生物属性面板、能力说明、英雄详情、专注值说明、战斗日志等）。参考由助手看图核对，状态是“待用户确认”。
- 无分数复读（2026-09-12）：9 月 8 日一段已曝光录像的 53 张缓存图。
- 短悬浮与属性扩充（2026-09-13）：从已有 OCR 的 403 张图里用文字检索选 13 张，来自四段开发录像。
所有原图都在开发集里，没有打开预留的验收录像。
方法
保守字段读取
输入是原图、缓存的 OCR 结果和给定的字段区域。程序只取“大部分落在字段区域内”的 OCR 框，原图读法和增强图读法分开保存，每次都解析完整的字面文字。出现以下任何情况就拒识：有低于 0.90 的字符段、解析不了、两次读法不一致。字段不从别的面板或别的时刻补值，屏幕左右也不被当作敌我。
开始前会核对原图和 OCR 缓存是否同源（尺寸、文件大小、修改时间一致），不一致就停止，避免把一张同尺寸的无关图片的文字错用过来。
日志句式解析
把日志的一行文字解析成结构（行动者、目标、动作、数值）。最初支持 7 类句式，后来加入“恢复魔力”“被召唤”扩到 9 类。多分句或否定句不会被吞成名字。
“完整高分读法 + 无分数一致性”
后来的扫描器会把 PP-OCRv6 的有分数读法和另一个模型（PaddleOCR-VL）的无分数数字重读一起保存。原严格规则只要某行没有分数就拒识，哪怕所有读法都一致。新规则（仅为私有实验）：只对数字字段，要求至少有一遍完整读法的每一行都 ≥0.90，且其他完整读法全部可解析并一致；有跨界行、低分、冲突、多行数字时仍拒识。混合结果的分数仍记为空，不借分。
设置
- 首轮评分时，预期值只给评分程序，不进入读数器；但区域、格式和角色是输入，所以结果只反映“给定区域”下的表现。
- 每次复现必须写到新的输出目录，拒绝覆盖旧结果。
- 无分数复读规则先冻结协议再运行；新出现的数字逐张看原图核对。
结果
首轮 9 张图
| 类型 | 参考可读 | 精确匹配 | 接受但有差异 | 拒识或漏读 |
|---|---|---|---|---|
| 数字 | 47 | 45 | 0 个错误接受 | 2 |
| 文字 | 21 | 17 | 2 个仅空白不同 | 2 |
4 个无文字对照全部拒绝。总体严格匹配 62/68。两次数字漏读：一个 HUD（画面边缘的英雄状态栏）350/350 因翻页上下文被拒，一个属性槽 7 OCR 根本没给文字；两次文字拒识来自日志多次读法冲突。
v1 曾得到 61/68，复核发现旧参考把所有空白删掉了；v2 保留空格后变成 62/68。这是参考处理修正，不是 OCR 进步。
日志句式
开发回放里 4 张已看过的日志原图含 105 条日志和 1 个轮次标题：44 条字段被正常观察，61 条因上游读法冲突跳过。
| 句式版本 | 精确 | 拒识 |
|---|---|---|
| 7 类 | 26 | 18 |
| 9 类 | 31 | 13 |
新增接受的 5 条全是“恢复魔力”；唯一一条召唤句在上游仍是冲突，没有端到端接受。
OCR 检索补标
276 个新标字段用原有几何选读回放，精确读回 262 个：数字 99/103、文字 163/173。失败包括图标字母 G/X 黏在数字上、“蕈菇魔法”被读成“曹菇魔法”、引号句号缺失、列表圆点漏读。这批是先用 OCR 搜到再标注的，不是独立留出集。精选的 159 张图里，“整帧完全标完”的数量仍为 0。
无分数复读
53 张图里 34 张通过场景门控，共 108 个面板、234 个字段机会。
| 字段状态 | 原严格规则 | 新规则 |
|---|---|---|
| 读出（OBSERVED） | 0 | 12 |
| 无分数（UNSCORED） | 160 | 148 |
| 低分 | 28 | 28 |
| 冲突 | 29 | 29 |
| 位置未定 | 14 | 14 |
| 解析不了 | 3 | 3 |
新增 12 个是底栏生命 6 个、生物面板数量 5 个、伤害范围 1 个，逐张核对都对；但只来自 11 张图、6 种不同值，核对发生在看过预测之后。历史 72 字段的输出完全不变。160 个无分数字段里，77 个因“框跨界”被拒——这不等于 77 个 OCR 错字。
短悬浮与属性扩充
| 开发录像 | 帧 | 字段 | 与旧 OCR 一致 |
|---|---|---|---|
| 9 月 5 日 | 3 | 32 | 32 |
| 9 月 7 日（早） | 4 | 34 | 33 |
| 9 月 7 日（晚） | 2 | 25 | 22 |
| 9 月 8 日 | 4 | 67 | 64 |
| 合计 | 13 | 158 | 151 |
七处不同：圣骑兵数量和相邻属性被读成一条混合读数（2 个字段）、属性 3 多出 X3、罗马数字 I 变成竖线、两处是比较程序把 (Shift) 排序错（不是识字错）、一处连接号形式不同（数字相同）。13 个无文字局部都没有被误读出文字。
失败与负结果
- 首轮两次文字拒识、两次数字漏读保留。
- 补标首轮发现两个日志框包进了旁边的“敌方回合”，缩框重做；首轮结果保留。
- 无分数复读规则没有处理“框过宽把图标包进来”的情况：例如防御
25三次读法都是 25，但一个框大到包入图标、分数 0.896，冻结规则仍拒识。 - 英雄详情右侧资源的旧“魔法值”命名存在循环引用，不能作为独立语义依据。
局限
- 所有区域是人工给的，没有评估自动定位、单位归属、独立视频准确率、完整日志语义、冷却解释、事件召回和生产延迟。
- 4 个或 13 个无文字对照不能估计总体误放行率。
- 参考是助手看图（模型目视核对），不是人工审核（REVIEWED）；状态是“待用户确认”。
- 软件测试（例如 Perception 全套 1,971 或 2,302 项通过）只证明程序合同，不是识别准确率。
- 分数字段
102/119的第二个数不被解释为游戏里的最大值。
结论与下一步
在给定区域时，“宁可拒识也不猜”的保守读数基本可行，首轮没有接受任何错误数字。但真正的难点在别处：自动找到面板和单个属性格、处理一个框里混进图标或邻格数字、在新录像上盲测。后续计划是让自动面板定位产生单格裁图后重读，分别报告“定位漏了”“读取拒识”“读出错值”三类错误；自动面板定位由 B027 单独评估。
Comments