微信跳一跳自动化项目 🎮

基于YOLO目标检测的微信跳一跳游戏自动化工具，通过计算机视觉识别游戏中的小人和目标平台，自动计算距离并控制手机进行精准跳跃。本项目已支持 AMD ROCm 平台训练和推理，支持 Ryzen AI 系列芯片。

🌟 项目特色

• 🤖 智能识别：使用YOLOv10模型精准识别游戏中的小人和目标平台
• 📏 距离计算：通过欧氏距离计算跳跃所需的力度
• 📱 ADB控制：自动控制Android手机进行截图和模拟点击
• 🎯 高精度：基于深度学习的目标检测，识别准确率高
• 🔄 自动化：一键运行，全程自动化操作

📋 功能列表

• 自动截图获取游戏画面
• YOLO模型训练和推理
• 基于多模态大模型做目标检测
• 目标检测和距离计算
  • 减少检测框重复检测
• ADB模拟点击控制
• 数据集制作和标注工具
• 模型训练脚本

🛠️ 环境要求

• Python >= 3.13
• Android手机（开启USB调试）
• ADB工具
• macOS/Linux/Windows

📦 安装步骤

1. 克隆项目

git clone https://github.com/KMnO4-zx/wechat-jump.git
cd wechat-jump

2. 安装Python依赖

• NVIDIA CUDA

pip install -r requirements.txt

• AMD ROCm 7.2.0

  • 以 Ryzen AI 系列为例 参考 支持列表

# 安装ROCm相关依赖 包含 torch torchvision torchaudio等核心库
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/rocm_sdk_core-7.2.0.dev0-py3-none-win_amd64.whl"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/rocm_sdk_devel-7.2.0.dev0-py3-none-win_amd64.whl"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/rocm_sdk_libraries_custom-7.2.0.dev0-py3-none-win_amd64.whl"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/rocm-7.2.0.dev0.tar.gz"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/torch-2.9.1+rocmsdk20260116-cp312-cp312-win_amd64.whl"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/torchvision-0.24.1+rocmsdk20260116-cp312-cp312-win_amd64.whl"
python -m pip install --no-cache-dir "https://repo.radeon.com/rocm/windows/.rocm-rel-7.2_a/torchaudio-2.9.0+rocmsdk20251116-cp312-cp312-win_amd64.whl"

• 安装其他依赖

pip install -r requirements_rocm_windows.txt

3. 安装ADB工具

• macOS

# 使用提供的安装脚本
chmod +x install_adb_mac.sh
./install_adb_mac.sh

# 或手动安装
brew install android-platform-tools

• Windows

  • 官方下载：https://developer.android.google.cn/tools/releases/platform-tools?authuser=4&hl=zh-cn

  • 下载并解压后，设置解压路径至系统环境变量中

  

4. 手机设置

1. 开启开发者选项
2. 启用USB调试
3. 连接电脑并授权ADB调试
4. 验证连接：adb devices

🚀 使用方法

快速开始

# 运行主程序
python main.py

数据收集

# 自动截图收集训练数据
python simple_screenshot.py

模型训练

# 1. 准备数据集（使用labelimg标注）
labelimg

# 2. 划分数据集
python dataset_split.py

# 3. 训练模型
python train.py

模型测试

# 测试训练好的模型
python detect.py

📁 项目结构

wechat-jump/
├── main.py              # 主程序入口
├── train.py             # 模型训练脚本
├── detect.py            # 模型检测测试
├── dataset_split.py     # 数据集划分工具
├── simple_screenshot.py # 自动截图工具
├── install_adb_mac.sh   # ADB安装脚本(macOS)
├── requirements.txt     # Python依赖
├── pyproject.toml       # 项目配置
├── dataset/             # 数据集目录
├── runs/                # 训练结果目录
└── README.md           # 项目说明

🎯 核心算法

1. 目标检测

使用YOLOv10模型检测游戏中的：

• 目标平台位置

2. 距离计算

# 计算两个目标中心点的欧氏距离
distance = np.sqrt((center1_x - center2_x) ** 2 + (center1_y - center2_y) ** 2)

3. 跳跃控制

# 根据距离计算按压时间，模拟跳跃
jump.adb_tap(x, y, duration_ms)

⚙️ 配置说明

模型配置

• 模型路径：./runs/detect/train/weights/best.pt
• 输入尺寸：640x640
• 训练轮数：100 epochs

ADB配置

• 截图路径：/sdcard/temp_screenshot.png
• 本地保存：./iphone.png

🔧 故障排除

常见问题

1. ADB连接失败

   # 重启ADB服务
   adb kill-server
   adb start-server

2. 模型文件不存在

   • 确保已完成模型训练
   • 检查模型路径是否正确

3. 截图失败

   • 检查手机USB调试是否开启
   • 确认ADB权限已授权

📊 性能指标

• 目标检测准确率：>99.5%
• 跳跃成功率：>90%
• 平均响应时间：<2.5秒

🤝 贡献指南

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📄 许可证

本项目采用 Apache-2.0 license 许可证 - 查看 LICENSE 文件了解详情

⚠️ 免责声明

本项目仅供学习和研究使用，使用本工具可能违反游戏服务条款，请自行承担风险。

📞 联系方式

如有问题或建议，欢迎提交 Issue 或 Pull Request。

---

⭐ 如果这个项目对你有帮助，请给个星星支持一下！