鸿蒙脚本找元素，图色和 OCR 常常要一起用。界面稳定的用找图，文字动态的用 OCR，组合起来命中率才高。
找元素决定脚本稳不稳，四条路各管什么
鸿蒙脚本里耗时间的，常常是认出屏幕上那个按钮。放到群控里一对几十台跑，不稳会被放大。识别写死，界面一改脚本就崩；写松了又会点错。HarmonyOS Next 的能力有好几条，只用其中一种去套所有界面，就容易出错。
| 方式 | 认的是什么 | 适合的场景 | 主要代价 |
|---|---|---|---|
| 找图 | 像素特征 | 图形特征明显、位置会变 | 截图与匹配耗时 |
| 找色 | 颜色值 | 元素颜色单一、界面固定 | 抗样式变化能力弱 |
| OCR 识别 | 文字内容 | 元素是文字、文案会变 | 识别耗时，依赖模型 |
| YOLO | 目标类别 | 形态多变、位置不定 | 需要模型文件与训练 |
四条路可以混用。先用找图判断页面到没到，再用 OCR 读关键文案，最后用找色做一次兜底确认。
找图是图像识别里最常用的一招。它把预先截好的一小块图当作模板，在整屏截图里滑动比对，位置相似度超过阈值就认为找到了。鸿蒙这边走的是 OpenCV 的匹配能力，官方给的识别率在 95% 以上。用它之前有两件事要做：先初始化 OpenCV，然后建议把图片存储切换到 mat 格式。官方实测这个切换能让内存降一半到八成、CPU 降两三成、速度提升一到两倍。批量跑脚本时，这个差别在几十台设备上能感觉出来。写模板图有几个实用经验：截模板要在目标设备上截，别拿 A 机型的图去跑 B 机型；模板不要截得太小，太小容易误匹配；模板里尽量不要包含会变化的文字，把文字部分让给 OCR。
找色比的是颜色值，所以它比找图快，也省资源。缺点是抗变化能力弱，主题色一改、背景一换就可能失效。用法一般有两种。单点比色适合判断某个位置的状态，比如某个按钮是不是变成可点状态。多点找色适合在整屏里搜一个颜色特征，比如找到那个唯一的红点。单个颜色不够唯一时，用多点找色，用相对偏移把几个颜色绑成一组特征，误判会少很多。还有一种用法是把某个颜色排除掉再去找，用来避开背景干扰。
OCR 认的是文字内容，所以文案会变的元素适合用它。按钮上的字改了、提示语换了，找图要重新截图，OCR 不用改。鸿蒙这边内置了 PP-OCRv6_small，日常正立界面够用。初始化时选模型类型，识别时返回的是一个数组，每项带着文字内容、置信度和坐标范围，按坐标就能点。调参时最值得先试的是 padding，也就是给文字框外扩一圈白边。文字没被框全的时候，加这个值通常立刻见效。再就是检测框的置信度阈值：值调大，召回率会降，但更准；调小，更容易找到，但可能误报。如果只追求速度，可以把图像最大边限制在 640，同时关掉文字方向检测和角度投票。这两项只在图片倒置时才需要开。OCR 初始化失败时有错误信息可以读，别只看返回的布尔值，把错误信息打出来能省掉不少排查时间。
YOLO 解决的是另一类问题：目标长什么样不固定，但你知道它属于某个类别，比如识别画面里有没有出现某类图标、有没有弹出某类提示。它需要模型文件，训练方式和安卓侧一致。初始化时给类别名列表，再给一个模型名和尺寸。用的时候把截图喂进去，返回检出的类别与位置。它的启动和调参都比前三者重。前三条路能解决的，不必先上 YOLO。
怎么选，失败时怎么降级
判断顺序可以按目标来。先看是不是文字。文案会变就用 OCR；文案固定、位置也固定，找色可能更快。再看有没有明显的图形特征，有就用找图。图形特征不明显、只剩颜色能区分，就用找色。上面三条都试过还不行，再考虑 YOLO。失败时反过来降级：找图失败退到找色，找色失败退到 OCR，都不行就截图留档并记录，别让脚本硬跑到超时。排查时把识别到的坐标和当次截图一起打到日志里。很多「找不到元素」其实是找到了，只是坐标偏了。光看返回结果看不出来，对着截图才能看明白。
关于 EasyClick：手机自动化脚本开发平台，覆盖安卓免 ROOT、iOS 免越狱、鸿蒙三大手机生态，还提供苹果脚本编写、苹果群控、安卓群控、远程云控、AI 群控手机等。→ 了解全部产品
想要真实跑起来？
本文介绍的方案均可在 EasyClick 手机自动化平台落地。官网提供完整文档、开发工具与群控云控产品，免费体验。