摘要

游戏里一个单位攻击另一个单位时，屏幕上会短暂浮出伤害数字（“飘字”），左边带一个小图标：拳头表示伤害，骷髅表示死亡数量，例如“拳头 −314、骷髅 −5”。项目希望不打开战斗日志（Logs），直接从画面上读到这些数值，作为之后推断双方攻防属性的观察。

上一版读取器（v4）先找图标，再在图标旁的固定文字框里做两种尺寸的 OCR；为防止把两个飘字的文字混在一起，如果两个文字框共享墨迹就拒读。问题是：两行飘字上下靠得很近时，固定的上下边距会包进另一行笔画，导致本来可以读的两行都被拒绝。本实验新增一条受控规则：在原文字框里，如果确实有另一条墨迹带，并且图标中央对应的那一行上下都有完整空白行隔开，就把上下边距缩到那条空白行为止。

结果：旧的 34 张回归图接受结果完全不变；新 11 张图里预先登记的 14 个字面，接受数从 3 个增到 5 个（新增的两个与登记一致）；还剩 9 个未接受（8 个未知、1 个未检出）。这只是开发样例上的局部修复，不是独立准确率。

要回答的问题

用“完整空白行”分开上下相邻的飘字，能否在不改变任何已接受读数、不放进错误读数的前提下，恢复一些被误拒的字面？

数据与来源

  • 只使用用户指定的两段 10 月 10 日训练录像（16:57、01:39）中已经保存的截图，不另开录像、不新增训练来源。
  • 固定上一轮的 34 张回归图（包括无飘字、淡出和未知的图），加上自动发现后预先目视登记的 11 张图。这 11 张图包含 14 个已知字面，v4 接受其中 3 个；另有两张魔法书页只确认了左侧露出的一条带状区域，不能当整图负例。
  • 这些都是曝光过的开发图，不是留出测试集。

方法

规则（运行前写定）：

  1. 在原文字框内，寻找覆盖图标中央半高范围的唯一连续墨迹行带。
  2. 只有当这条行带完整、高度满足现有数字组件下限与图标高度上限、上下都有空白行分隔，并且原框里确实存在另一条墨迹带时，才把上下边距缩到空白行。
  3. 不删墨迹、不补符号、不改横向范围、图标定位、颜色和 OCR 门槛（仍是两种尺寸、0.90 门槛、完整负号与组件检查）。
  4. 有多个中央行带、触边或与背景连通时，保留旧框，继续由原保护拒绝。

不按预期数字选框，也不尝试多个裁剪再挑 OCR 成功的那个。

实验后的收紧：第一次跑完后，生产版本进一步限定为“只有旧框里确实存在另一条墨迹带时才缩边”，单行文字保持原裁剪，避免对本来没冲突的 OCR 输入做无收益的改动；收紧后又完整重读了 45 张图。

设置

每一轮（v4 基线、实验裁剪、最终 v5）都重新定位并执行真实 CPU OCR，不复用旧 OCR 缓存；8 核限制、串行。45 张图读取时间合计：v4 32.85 秒、实验 33.01 秒、v5 33.00 秒（含读盘，不含模型初始化；不是 App 端到端速度）。

结果

材料 v4 v5
旧 34 张 原有接受/未知/空图 全部接受字面保持，没有新增接受
新 11 张中预先登记的 14 个字面 接受 3 个 接受 5 个，新增两个都符合登记
新 11 张中未接受的已知字面 11 个 9 个：8 未知、1 未检出
两张书页的已确认左侧条带 无提议 无提议

唯一改变接受值的图是 16:57 录像 587.2 秒的那一帧：“拳头 −314”和“骷髅 −5”从“共享文字区域、歧义”恢复为候选，目视完整原图和局部框核对无误。

接入 App 实际链路验证：01:39 录像 552.8 秒那一帧仍然未知；16:57 录像 587.2 秒那一帧读回 −314/−5。原来的 SE（状态估计）请求与结果保持不变，明确没有重算。相关软件测试：Perception 侧 78 项、App 侧 50 项通过。

失败与负结果

仍未解决的情形（都保留为未知）：552.8 秒两个飘字左右横向串在一个框里；552.2 秒文字与背景粘连；610.4 秒和 673.6 秒负号漏读；406.4 秒文字重叠；586.6 秒笔画不足；1157.8 秒骷髅图标漏检。

过程中的失败：第一轮实验脚本把字符串传给要求路径对象的读图函数，在读第一张图前就失败；修正后用新目录完整重跑，旧失败目录保留。首次合同测试缺 App 源码路径，69 项通过/2 项导入失败，设置后通过；没有安装新依赖。

局限

  • 只是开发样例上的局部修复，不能外推整局召回率。
  • 外部审阅指出一个风险：弱笔画可能低于现有的墨迹阈值（> 35），在缩边时被裁掉。本实验的“空白行”只表示在现有阈值下没有前景，不能证明原彩色图上没有字符笔画；两种尺寸用同一引擎读出一致，也不足以排除这种误读。这是待验证的风险，还没有在实图中出现过。
  • 没有自动遮挡认证、单位归属、同一飘字跨帧去重或属性推断。

结论与下一步

v5 保留：它只在确有相邻墨迹行、又有清晰空白分隔时改动裁剪，恢复了 2 个字面且没有改变任何旧结果。根据外部审阅建议，下一步暂缓继续微调 OCR，转去做状态估计的时间关联实验：固定三个已有窗口（587.1–587.2 秒的拳头/骷髅并列、595.6–596.1 秒重复的 −27、552.2–553 秒变化的字面），只用真实媒体时间、行动顺序、可见单位的身份/位置/数量和已接受的字面去建立“这个飘字属于哪次攻击”的候选；单凭时间相近、数值相等或离某单位最近，都不能确认为同一事件。也暂不做“结果不变就降低分析频率”，因为输出不变不等于状态稳定。