CN109542782B - 基于机器学习的nfc测试方法、装置和计算机设备 - Google Patents
基于机器学习的nfc测试方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109542782B CN109542782B CN201811360481.1A CN201811360481A CN109542782B CN 109542782 B CN109542782 B CN 109542782B CN 201811360481 A CN201811360481 A CN 201811360481A CN 109542782 B CN109542782 B CN 109542782B
- Authority
- CN
- China
- Prior art keywords
- test
- test command
- command
- nfc
- priority
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3648—Software debugging using additional hardware
- G06F11/3656—Software debugging using additional hardware using a specific debug interface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
Abstract
本申请涉及一种基于机器学习的NFC测试方法、装置、计算机设备和存储介质,其中该方法包括:获取NFC测试请求,所述NFC测试请求中包括XML文件;解析所述XML文件,获取测试命令集合;通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;按照每个测试命令的优先级下发相应的测试命令;根据所述下发的测试命令进行NFC测试。本发明摒弃了串口工具的使用,以机器学习算法取而代之,实现自动化测试命令的解析、测试命令发送、测试日志的分析以及测试结果的输出,提高了测试效率。
Description
技术领域
本发明涉及NFC测试技术领域,特别是涉及一种基于机器学习的NFC测试方法、装置、计算机设备和存储介质。
背景技术
在传统技术中,测试NFC后端功能的方法是使用命令行的方式实现的,通过人为手动在串口输入测试用例入口函数,人为查看串口工具中的日志,人为判断测试的功能是否符合预期。具体地,测试功能时,需要通过在串口工具中输入测试命令,测试命令通过UART下发到FPGA/芯片,测试代码就开始运行,对应的运行日志会通过FPGA/芯片的UART返回串口工具,在串口工具上实时显示,人为通过日志判断测试是否通过。这种测试方式需要手动逐个输入测试命令,测试效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种可以提高测试效率的基于机器学习的NFC测试方法、装置、计算机设备和存储介质。
一种基于机器学习的NFC测试方法,所述方法包括:
获取NFC测试请求,所述NFC测试请求中包括XML文件;
解析所述XML文件,获取测试命令集合;
通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
按照每个测试命令的优先级下发相应的测试命令;
根据所述下发的测试命令进行NFC测试。
在其中一个实施例中,所述方法还包括:
根据所述测试命令的优先级选取最优的测试命令,下发所述测试命令进行NFC测试;
处理返回的日志,测试结果保存;
判断所述测试命令是否为最后一条测试命令;
若所述测试命令是最后一条测试命令,则将所述测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员。
在其中一个实施例中,在所述判断所述测试命令是否为最后一条测试命令的步骤之后还包括:
若所述测试命令不是最后一条测试命令,则根据所述测试命令的优先级选取最优的下一条测试命令;
下发所述下一条测试命令进行NFC测试。
在其中一个实施例中,所述处理返回的日志,测试结果保存的步骤包括:
分析测试结果,判断测试是否通过;
若测试通过则记录测试时间、环境状态以及测试优先级信息。
在其中一个实施例中,所述通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级的步骤还包括:
将容易出错的测试命令的优先级提高;
将测试命令执行时间较长的安排在晚间进行测试;
出错的测试命令可以多次下发,当达到判断失败阈值则判断该测试功能失败。
一种基于机器学习的NFC测试装置,所述基于机器学习的NFC测试装置装置包括:
获取模块,所述获取模块用于获取NFC测试请求,所述NFC测试请求中包括XML文件;
解析模块,所述解析模块用于解析所述XML文件,获取测试命令集合;
算法模块,所述算法模块用于通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
下发模块,所述下发模块用于按照每个测试命令的优先级下发相应的测试命令;
测试模块,所述测试模块用于根据所述下发的测试命令进行NFC测试。
在其中一个实施例中,所述基于机器学习的NFC测试装置还包括:
所述下发模块还用于根据所述测试命令的优先级选取最优的测试命令,下发所述测试命令进行NFC测试;
处理模块,所述处理模块用于处理返回的日志,测试结果保存;
判断模块,所述判断模块用于判断所述测试命令是否为最后一条测试命令;
第一执行模块,所述第一执行模块用于若所述测试命令是最后一条测试命令,则将所述测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员。
在其中一个实施例中,所述基于机器学习的NFC测试装置还包括:
第二执行模块,所述第二执行模块用于若所述测试命令不是最后一条测试命令,则根据所述测试命令的优先级选取最优的下一条测试命令;
所述下发模块还用于下发所述下一条测试命令进行NFC测试。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项方法的步骤。
上述基于机器学习的NFC测试方法、装置、计算机设备和存储介质,首先获取NFC测试请求,所述NFC测试请求中包括XML文件;解析所述XML文件,获取测试命令集合;通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;按照每个测试命令的优先级下发相应的测试命令;根据所述下发的测试命令进行NFC测试。本发明摒弃了串口工具的使用,以机器学习算法取而代之,实现自动化测试命令的解析、测试命令发送、测试日志的分析以及测试结果的输出,提高了测试效率。
附图说明
图1为传统技术中的NFC后端功能测试环境图;
图2为一个实施例中的NFC后端功能测试环境图;
图3为一个实施例中基于机器学习的NFC测试方法的流程示意图;
图4为另一个实施例中基于机器学习的NFC测试方法的流程示意图;
图5为再一个实施例中基于机器学习的NFC测试方法的流程示意图;
图6为一个实施例中处理返回的日志,测试结果保存的步骤的流程示意图;
图7为一个实施例中通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级的步骤的流程示意图;
图8为一个实施例中基于机器学习的NFC测试装置的结构框图;
图9为另一个实施例中基于机器学习的NFC测试装置的结构框图;
图10为再一个实施例中基于机器学习的NFC测试装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图3所示,提供了一种基于机器学习的NFC测试方法,该方法包括:
步骤302,获取NFC测试请求,NFC测试请求中包括XML文件;
步骤304,解析XML文件,获取测试命令集合;
步骤306,通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
步骤308,按照每个测试命令的优先级下发相应的测试命令;
步骤310,根据下发的测试命令进行NFC测试。
具体地,在传统技术手段中,参考图1的测试环境,该测试功能时通过在串口工具中输入测试命令,测试命令通过UART下发到FPGA/芯片,测试代码就开始运行,对应的运行日志会通过FPGA/芯片的UART返回串口工具,在串口工具上实时显示,人为通过日志判断测试是否通过。这种测试方式需要手动逐个输入测试命令,测试效率低下。而在本实施例中,该方法可以应用于如图2所示的测试环境中,通过摒弃串口工具的使用,以机器学习算法取而代之,实现测试命令的解析、测试命令发送、测试日志的分析以及测试结果的输出。
在本实施例中,首先获取NFC测试请求,NFC测试请求中包括XML文件;解析XML文件,获取测试命令集合;通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;按照每个测试命令的优先级下发相应的测试命令;根据下发的测试命令进行NFC测试。本实施例摒弃了串口工具的使用,以机器学习算法取而代之,实现自动化测试命令的解析、测试命令发送、测试日志的分析以及测试结果的输出,提高了测试效率。
在其中一个具体的实施例中,参考图4,提供了一种基于机器学习的NFC测试方法,该方法还包括:
步骤402,根据测试命令的优先级选取最优的测试命令,下发测试命令进行NFC测试;
步骤404,处理返回的日志,测试结果保存;
步骤406,判断测试命令是否为最后一条测试命令,若测试命令是最后一条测试命令,则执行步骤408,若测试命令不是最后一条测试命令,则执行步骤410;
步骤408,将测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员。
步骤410,根据测试命令的优先级选取最优的下一条测试命令;
步骤412,下发下一条测试命令进行NFC测试。
具体地,参考图5,测试NFC后端功能的自动化测试流程具体如下:测试命令添加到XML文件;算法模块解析XML,获取命令集合;算法模块选取一条测试命令,下发测试命令,处理返回的日志,测试结果保存;判断是否是最后一条测试命令,是,则执行测试结果数据可视化,以邮件形式提醒相关人员的流程;否,则算法根据当前测试情况提供测试最优的下条命令,再执行下发测试命令,处理返回的日志,测试结果保存的流程;测试结果数据可视化,以邮件形式提醒相关人员;直至所有的测试命令都已经测试完毕,则测试结束。
在其中一个具体的实施例中,参考图6,提供了一种基于机器学习的NFC测试方法,其中处理返回的日志,测试结果保存的步骤包括:
步骤602,分析测试结果,判断测试是否通过;
步骤604,若测试通过则记录测试时间、环境状态以及测试优先级信息。
在本实施例中,实现了通过机器学习算法集合了解析XML、发送命令、日志处理、测试结果保存、邮件发送的功能,更加提高了测试的效率,满足了用户的多种测试需求。
在其中一个具体的实施例中,参考图7,提供了一种基于机器学习的NFC测试方法,其中通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级的步骤还包括:
步骤702,将容易出错的测试命令的优先级提高;
步骤704,将测试命令执行时间较长的安排在晚间进行测试;
步骤706,出错的测试命令可以多次下发,当达到判断失败阈值则判断该测试功能失败。
在本实施例中,通过机器学习算法会根据每条测试命令的执行时间、测试环境状态、测试结果成功/失败次数优化命令下发顺序,提高效率,例如:容易出错的测试命令优先级提高;测试命令执行时间较长的安排在晚间进行测试;出错的命令可以多次下发,达到判断失败阈值则判断该测试功能失败。
应该理解的是,虽然图1-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种基于机器学习的NFC测试装置800,该装置包括:
获取模块801,用于获取NFC测试请求,NFC测试请求中包括XML文件;
解析模块802,用于解析XML文件,获取测试命令集合;
算法模块803,用于通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
下发模块804,用于按照每个测试命令的优先级下发相应的测试命令;
测试模块805,用于根据下发的测试命令进行NFC测试。
在一个实施例中,如图9所示,提供了一种基于机器学习的NFC测试装置800,该基于机器学习的NFC测试装置800还包括:
下发模块804还用于根据测试命令的优先级选取最优的测试命令,下发测试命令进行NFC测试;
处理模块806,用于处理返回的日志,测试结果保存;
判断模块807,用于判断测试命令是否为最后一条测试命令;
第一执行模块808,用于若测试命令是最后一条测试命令,则将测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员。
在一个实施例中,如图10所示,提供了一种基于机器学习的NFC测试装置800,该基于机器学习的NFC测试装置800还包括:
第二执行模块809,用于若测试命令不是最后一条测试命令,则根据测试命令的优先级选取最优的下一条测试命令;
下发模块804还用于下发下一条测试命令进行NFC测试。
在一个实施例中,该处理模块806还用于:
分析测试结果,判断测试是否通过;
若测试通过则记录测试时间、环境状态以及测试优先级信息。
在一个实施例中,该算法模块803还用于:
将容易出错的测试命令的优先级提高;
将测试命令执行时间较长的安排在晚间进行测试;
出错的测试命令可以多次下发,当达到判断失败阈值则判断该测试功能失败。
关于基于机器学习的NFC测试装置800的具体限定可以参见上文中对于基于机器学习的NFC测试方法的限定,在此不再赘述。
在一个实施例中,提供了一种计算机设备,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器以及网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于机器学习的NFC测试方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以上各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以上各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于机器学习的NFC测试方法,所述方法包括:
获取NFC测试请求,所述NFC测试请求中包括XML文件;
解析所述XML文件,获取测试命令集合;
通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
按照每个测试命令的优先级下发相应的测试命令;
根据所述下发的测试命令进行NFC测试;
所述方法还包括:根据所述测试命令的优先级选取最优的测试命令,下发所述测试命令进行NFC测试;处理返回的日志,测试结果保存;判断所述测试命令是否为最后一条测试命令;若所述测试命令是最后一条测试命令,则将所述测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员;
所述通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级的步骤还包括:将容易出错的测试命令的优先级提高;将测试命令执行时间较长的安排在晚间进行测试;出错的测试命令可以多次下发,当达到判断失败阈值则判断测试功能失败;
所述处理返回的日志,测试结果保存的步骤还包括:分析测试结果,判断测试是否通过;若测试通过则记录测试时间、环境状态以及测试优先级信息。
2.根据权利要求1所述的基于机器学习的NFC测试方法,其特征在于,在所述判断所述测试命令是否为最后一条测试命令的步骤之后还包括:
若所述测试命令不是最后一条测试命令,则根据所述测试命令的优先级选取最优的下一条测试命令;
下发所述下一条测试命令进行NFC测试。
3.一种基于机器学习的NFC测试装置,其特征在于,所述基于机器学习的NFC测试装置包括:
获取模块,所述获取模块用于获取NFC测试请求,所述NFC测试请求中包括XML文件;
解析模块,所述解析模块用于解析所述XML文件,获取测试命令集合;
算法模块,所述算法模块用于通过机器学习算法根据每条测试命令的执行时间、测试环境状态、测试结果成功以及失败次数为每条测试命令设置测试命令的优先级;
下发模块,所述下发模块用于按照每个测试命令的优先级下发相应的测试命令;
测试模块,所述测试模块用于根据所述下发的测试命令进行NFC测试;
所述基于机器学习的NFC测试装置还包括:所述下发模块还用于根据所述测试命令的优先级选取最优的测试命令,下发所述测试命令进行NFC测试;处理模块,所述处理模块用于处理返回的日志,测试结果保存;判断模块,所述判断模块用于判断所述测试命令是否为最后一条测试命令;第一执行模块,所述第一执行模块用于若所述测试命令是最后一条测试命令,则将所述测试命令的测试结果数据可视化,并通过发送邮件提醒相关人员;
算法模块还用于:将容易出错的测试命令的优先级提高;将测试命令执行时间较长的安排在晚间进行测试;出错的测试命令可以多次下发,当达到判断失败阈值则判断测试功能失败;
所述处理模块还用于:分析测试结果,判断测试是否通过;若测试通过则记录测试时间、环境状态以及测试优先级信息。
4.根据权利要求3所述的基于机器学习的NFC测试装置,其特征在于,所述基于机器学习的NFC测试装置还包括:
第二执行模块,所述第二执行模块用于若所述测试命令不是最后一条测试命令,则根据所述测试命令的优先级选取最优的下一条测试命令;
所述下发模块还用于下发所述下一条测试命令进行NFC测试。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1或2所述方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1或2所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811360481.1A CN109542782B (zh) | 2018-11-15 | 2018-11-15 | 基于机器学习的nfc测试方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811360481.1A CN109542782B (zh) | 2018-11-15 | 2018-11-15 | 基于机器学习的nfc测试方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109542782A CN109542782A (zh) | 2019-03-29 |
CN109542782B true CN109542782B (zh) | 2022-07-15 |
Family
ID=65847441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811360481.1A Active CN109542782B (zh) | 2018-11-15 | 2018-11-15 | 基于机器学习的nfc测试方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109542782B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162803B (zh) * | 2021-04-15 | 2022-12-23 | 浪潮思科网络科技有限公司 | 一种基于二分法的串口控制方法、设备及介质 |
CN115774182B (zh) * | 2022-12-05 | 2023-10-13 | 安测半导体技术(义乌)有限公司 | 一种基于ate平台的芯片测试方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637143A (zh) * | 2012-03-07 | 2012-08-15 | 南京邮电大学 | 基于改进的支持向量机的软件缺陷优先级预测方法 |
CN103049363A (zh) * | 2013-02-01 | 2013-04-17 | 山东华芯半导体有限公司 | 一种NAND Flash控制器的验证方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9482683B2 (en) * | 2014-04-22 | 2016-11-01 | Wipro Limited | System and method for sequential testing across multiple devices |
-
2018
- 2018-11-15 CN CN201811360481.1A patent/CN109542782B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637143A (zh) * | 2012-03-07 | 2012-08-15 | 南京邮电大学 | 基于改进的支持向量机的软件缺陷优先级预测方法 |
CN103049363A (zh) * | 2013-02-01 | 2013-04-17 | 山东华芯半导体有限公司 | 一种NAND Flash控制器的验证方法 |
Non-Patent Citations (1)
Title |
---|
"基于测试用例优先级技术的测试评估系统的研究与实现";陆瀛海;《中国优秀硕士学位论文全文数据库信息科技辑》;20070915;正文第1、3、4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109542782A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102797B (zh) | 语音识别测试方法、装置、计算机设备及存储介质 | |
CN109062788B (zh) | 测试用例生成方法、装置、计算机设备和存储介质 | |
EP3968030A1 (en) | Method and apparatus for automatic engagement with analyzer, computer device and storage medium | |
CN109542782B (zh) | 基于机器学习的nfc测试方法、装置和计算机设备 | |
RU2755354C1 (ru) | Диагностическая система и способ обработки данных транспортного средства | |
CN113282513B (zh) | 接口测试案例的生成方法、装置、计算机设备及存储介质 | |
CN115511136B (zh) | 基于层次分析和故障树的设备故障辅助诊断方法及系统 | |
CN111124898B (zh) | 问答系统测试方法、装置、计算机设备和存储介质 | |
CN110955591B (zh) | 系统性能评估方法、装置、计算机设备和存储介质 | |
CN111459796B (zh) | 自动化测试方法、装置、计算机设备和存储介质 | |
CN113268409A (zh) | 自动化测试时跟踪逻辑节点的方法、装置、设备和介质 | |
CN110473585B (zh) | 一种擦失效存储单元的替换方法、装置、设备及存储介质 | |
CN112883590B (zh) | 系统可靠性验证试验方案确定方法 | |
CN110865939B (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
CN110597874B (zh) | 数据分析模型的创建方法、装置、计算机设备和存储介质 | |
CN107885663B (zh) | 测试用例自动生成的方法、装置、计算机设备及存储介质 | |
CN111566625B (zh) | 测试用例生成装置、测试用例生成方法和计算机能读取的记录介质 | |
CN113094258A (zh) | 精准测试方法、装置、计算机设备及介质 | |
CN113360389A (zh) | 一种性能测试方法、装置、设备及存储介质 | |
CN112486838A (zh) | 接口测试方法、装置、计算机设备和存储介质 | |
CN112153375A (zh) | 基于视频信息的前端性能测试方法、装置、设备及介质 | |
CN116991706B (zh) | 车辆自动化测试方法、装置、设备及存储介质 | |
AU2021103087A4 (en) | Big data testing method and system | |
CN116108330B (zh) | 新能源光伏逆变器的老化测试数据分析系统 | |
CN109753500B (zh) | 刀闸状态异常数据识别方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |