CN110544246A - 一种自动化测试方法、装置及存储介质 - Google Patents
一种自动化测试方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110544246A CN110544246A CN201910824951.3A CN201910824951A CN110544246A CN 110544246 A CN110544246 A CN 110544246A CN 201910824951 A CN201910824951 A CN 201910824951A CN 110544246 A CN110544246 A CN 110544246A
- Authority
- CN
- China
- Prior art keywords
- instrument
- meter
- screenshot
- different
- data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Abstract
本发明提供一种自动化测试方法、装置及存储介质,该方法包括:获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。通过该方案解决传统仪表测试方法存在效率低的问题,实现对多类型的仪表自动化测试,提高仪表测试的效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种自动化测试方法、装置及存储介质。
背景技术
汽车无论是在出厂前,还是使用过程,都需要经常对仪表进行测试,确保汽车仪表显示数据的准确性。随着现代工业技术的发展,汽车电子控制单元增多,车辆仪表显示数据变多,传统人工核对效率较低,难以满足现代测试需求。
目前,可以借助计算机视觉读取车辆仪表数据,但由于仪表类型不同,只能进行初步数据提取,实际数据比对确认过程繁琐,仍会耗费大量人力物力,数据测试效率低下。
发明内容
有鉴于此,本发明实施例提供了一种自动化测试方法、装置及存储介质,以解决车辆仪表数据测试效率低的问题。
在本发明实施例的第一方面,提供了一种方法,包括:
获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;
将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
在本发明实施例的第二方面,提供了一种自动化测试装置,包括:
提取模块,用于获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
读取模块,用于通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;
比对模块,用于将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
在本发明实施例的第三方面,提供了一种装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,获取到仪表截图,提取仪表截图中不同仪表功能模块对应的图片,通过训练后的ORC模型和分类模型读取仪表数据并对仪表数据分类,将分类后的仪表数据与预期需求文档比对,获得测试用例结果,以实现汽车仪表的自动化测试,解决了传统仪表测试效率低的问题,基于AutoTest框架及训练模型,可以有效提高测试效率,降低人力及物力成本,并能保障测试结果的可靠性,具有较强实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的自动化测试方法的流程示意图;
图2为本发明的一个实施例提供的自动化测试装置的结构示意图;
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一:
请参阅图1,本发明实施例提供的一种自动化测试方法的流程示意图,包括:
S101、获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
所述车辆仪表截图为车辆全部仪表功能模块或部分仪表功能模块的截图,截图一般通过相机截取,对于仪表的测试,每张仪表截图包含的仪表类型及数量应当一致。仪表的功能模块指组成仪表的功能单元,现代仪表的突出特点是功能的模块化,即将几个功能模块在定制的PCB(print circuit board,即印刷电路板)基础上联合起来,便于进行数据显示。在不同仪表功能模块中,包括如时速、转速、水温、燃油、指示灯的仪表,显示数据类型的方式存在差异,可以提取不同仪表功能模块对应图片,分别进行识别。
优选的,基于AutoTest创建测试用例,所述测试用例至少包括功能名、确认点、前提、操作步骤和期望结果,其中,
功能名(name):写入模块中要确认的功能点,
确认点(summary):将功能点细分为确认点,
前提(preconditions):执行用例的前提,
操作步骤(steps):描述用例操作步骤,
期望结果(expectedresults):执行用例后的预期结果。
编写用例对应报文,确保用例编号对应后,设置用例判定条件,判定条件中包括时间判定、数据类型判定,时间判定是指发送CAN信号截取仪表图像的时间,数据类型判定是指仪表对应的数据类型,如指示灯对应的图片类、车速对应的表盘指针类。
可选的,根据所述仪表中各仪表功能模块显示数据的不同,将不同仪表功能模块对应的图片划分为图片类、字符串类、表盘数值类、进度条类和颜色类的不同用例类型。图片类有如指示灯、报警图标、模块标识等,字符串类有如“close”的字符,一般还可以分为白色字体字符串和黑色字体字符串,表盘数值类如车速或里程的指针。
可选的,对每个仪表截图用例进行模块划分,并对于同一模块的不同仪表数据进行编号,根据编号对仪表截图中的各仪表图片进行定位,以截取不同仪表功能模块对应图片。不同模块间的编号相互独立,同一模块所包含内容的显示位置编号与图片数据对应,图片数据与仪表图片编号的对应关系可以在确定仪表图片坐标后修正。
在基于AutoTest创建测试用例过程中,还需要填写预期数据,一般预期数据与需求文档内容对应,即仪表预显示数据内容。填写预期数值由于仪表数据类型不同,填写内容和形式也存在差异。
S102、通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据类型;
所述ORC(Optical Character Recognition,光学字符识别)模型,可以通过样本训练检测纸张或图片上的字符,一般基于明暗对比及其形状识别字符数据。所述分类模型为基于深度学习的模型,可根据图片的清晰度、颜色的明暗区分图片中特定提示标志,在本实施例中用于区分图片类的指示灯、报警提示及模块标志等。其中,所述分类模型中还包括颜色分类模型,用于字体颜色或仪表提示的颜色。
所述仪表数据类型即仪表显示数据的类型,根据仪表作用的不同,可存在数值类、指示灯等不同类型表示数据。
具体的,分别对所述ORC模型和所述分类模型训练,通过所述ORC模型识别字符串类数据,通过所述分类模型识别非字符串类型的仪表数据,所述分类模型中包括颜色分类模型,所述颜色分类模型用于识别指示灯数据。
示例性的,基于AutoTest训练工具识别仪表数据,分别使用OCR Training、Classification Training和Color Classification Training工具模型。
对于OCR Training工具,可以用于识别字符类数据,包括黑色字体字符串和白色字体字符串。对于Classification Training工具,可以通过OCR Training Interface工具进行训练,并生成字库,用于根据图像清晰度和颜色明暗对图片类仪表数据分类,包括指示灯、警示标识等图片类仪表数据。对于Color Classification Training Interface工具,可以通过OCR Training Interface工具进行训练,并生成字库,对纯色图片对应仪表数据进行识别判定。
S103、将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
所述需求文档中包括预期图片、预期字符串、预期数值、预期进度条及预期颜色。图片有对应的存储路径、字符串和数值有对应的字符数据。
所述测试用例文档为仪表数据测试结构,一般有多个仪表截图的测试用例的测试结果,根据测试用例文档,获得仪表在不同条件下的测试结果,进而能够调整修正仪表存在问题。
本实施例提供的方法,相对于传统直接提取测试方法效率低的问题,可以有效提高汽车仪表测试效率,同时可以对多类型的仪表数据进行识别测试。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定,
实施例二:
图2为本发明实施例二提供的一种自动化测试装置的结构示意图,该装置包括:
提取模块210,用于获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
可选的,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片包括:
基于AutoTest创建测试用例,所述测试用例至少包括确认内容,触发条件、判定条件和预期需求。
可选的,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片还包括:
根据所述仪表中各仪表显示数据的不同,将不同仪表功能模块对应的图片划分为图片类、字符串类、表盘数值类、进度条类和颜色类的不同用例类型。
可选的,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片包括:
对每个仪表截图用例进行模块划分,并对于同一模块的不同仪表数据进行编号,根据编号对仪表截图中的各仪表图片进行定位,以截取不同仪表功能模块对应图片。
读取模块220,用于通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;
可选的,所述通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据具体为:
分别对所述ORC模型和所述分类模型训练,通过所述ORC模型识别字符串类数据,通过所述分类模型识别非字符串类型的仪表数据,所述分类模型中包括颜色分类模型,所述颜色分类模型用于识别指示灯数据。
比对模块230,用于将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S101至S103,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种自动化测试方法,其特征在于,包括:
获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;
将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片包括:
基于AutoTest创建测试用例,所述测试用例至少包括确认内容,触发条件、判定条件和预期需求。
3.根据权利要求1或2所述的方法,其特征在于,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片还包括:
根据所述仪表中各仪表功能模块显示数据的不同,将不同仪表功能模块对应的图片划分为图片类、字符串类、表盘数值类、进度条类和颜色类的不同用例类型。
4.根据权利要求1所述的方法,其特征在于,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片包括:
对每个仪表截图用例进行模块划分,并对于同一模块的不同仪表数据进行编号,根据编号对仪表截图中的各仪表功能模块图片进行定位,以截取不同仪表功能模块对应图片。
5.根据权利要求1所述的方法,其特征在于,所述通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据具体为:
分别对所述ORC模型和所述分类模型训练,通过所述ORC模型识别字符串类数据,通过所述分类模型识别非字符串类型的仪表数据,所述分类模型中包括颜色分类模型,所述颜色分类模型用于识别指示灯数据。
6.一种自动化测试装置,其特征在于,包括:
提取模块,用于获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片;
读取模块,用于通过ORC模型和分类模型读取所述不同仪表功能模块对应的图片的仪表数据,并判断所述仪表数据字符类型;
比对模块,用于将字符数据与需求文档比对,并将比对结果添加到测试用例文档中。
7.根据权利要求6所述的装置,其特征在于,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片包括:
基于AutoTest创建测试用例,所述测试用例至少包括确认内容,触发条件、判定条件和预期需求。
8.根据权利要求6或7所述的装置,其特征在于,所述获取车辆仪表截图,提取所述仪表截图中不同仪表功能模块对应的图片还包括:
根据所述仪表中各仪表功能模块显示数据的不同,将不同仪表功能模块对应的图片划分为图片类、字符串类、表盘数值类、进度条类和颜色类的不同用例类型。
9.一种装置,还包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至5中任一项所述自动化测试方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述自动化测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824951.3A CN110544246A (zh) | 2019-09-02 | 2019-09-02 | 一种自动化测试方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824951.3A CN110544246A (zh) | 2019-09-02 | 2019-09-02 | 一种自动化测试方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110544246A true CN110544246A (zh) | 2019-12-06 |
Family
ID=68711042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910824951.3A Pending CN110544246A (zh) | 2019-09-02 | 2019-09-02 | 一种自动化测试方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110544246A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078565A (zh) * | 2019-12-19 | 2020-04-28 | 上海轻维软件有限公司 | 基于hog特征提取和svm多分类器的软件测试结果的分析方法 |
CN112765018A (zh) * | 2021-01-12 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种仪器仪表调试系统及方法 |
CN113138736A (zh) * | 2020-01-16 | 2021-07-20 | 格莱菲卡公司 | 车辆数字式仪表显示方法和使用该方法的数字式仪表显示装置 |
CN113805834A (zh) * | 2021-08-23 | 2021-12-17 | 桂林未来鹏创软件有限公司 | 一种汽车智能座舱测试方法、系统、装置和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105091927A (zh) * | 2015-08-20 | 2015-11-25 | 浙江中科领航汽车电子有限公司 | 全液晶汽车仪表自动化测试平台 |
-
2019
- 2019-09-02 CN CN201910824951.3A patent/CN110544246A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105091927A (zh) * | 2015-08-20 | 2015-11-25 | 浙江中科领航汽车电子有限公司 | 全液晶汽车仪表自动化测试平台 |
Non-Patent Citations (4)
Title |
---|
刘全周,等: "基于深度学习的汽车仪表标识辨别系统设计", 《新型工业化》 * |
张效铭: "汽车仪表盘测试验证方法研究", 《交流平台》 * |
汪洋: "汽车仪表检测中液晶符号识别系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王少君: "基于机器视觉的汽车组合仪表检测系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078565A (zh) * | 2019-12-19 | 2020-04-28 | 上海轻维软件有限公司 | 基于hog特征提取和svm多分类器的软件测试结果的分析方法 |
CN113138736A (zh) * | 2020-01-16 | 2021-07-20 | 格莱菲卡公司 | 车辆数字式仪表显示方法和使用该方法的数字式仪表显示装置 |
CN112765018A (zh) * | 2021-01-12 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种仪器仪表调试系统及方法 |
CN112765018B (zh) * | 2021-01-12 | 2022-09-13 | 武汉光庭信息技术股份有限公司 | 一种仪器仪表调试系统及方法 |
CN113805834A (zh) * | 2021-08-23 | 2021-12-17 | 桂林未来鹏创软件有限公司 | 一种汽车智能座舱测试方法、系统、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544246A (zh) | 一种自动化测试方法、装置及存储介质 | |
CN103154974A (zh) | 字符识别装置、字符识别方法、字符识别系统以及字符识别程序 | |
CN110135225B (zh) | 样本标注方法及计算机存储介质 | |
CN112580734B (zh) | 目标检测模型训练方法、系统、终端设备及存储介质 | |
CN114842275B (zh) | 电路板缺陷判别方法、训练方法、装置、设备及存储介质 | |
WO2023038722A1 (en) | Entry detection and recognition for custom forms | |
CN114120071A (zh) | 一种带有对象标注框图像的检测方法 | |
CN113569677A (zh) | 一种基于扫描件的纸质试验报告生成方法 | |
CN113065607A (zh) | 图像检测方法、装置、电子设备及介质 | |
CN116263784A (zh) | 面向图片文本的粗粒度情感分析方法及装置 | |
US20220051041A1 (en) | Method for processing image, electronic device, and storage medium | |
CN114973275A (zh) | 一种基于深度学习技术的图文乱码识别方法 | |
CN112861861B (zh) | 识别数码管文本的方法、装置及电子设备 | |
CN112287828A (zh) | 一种基于机器学习的财务报表生成方法及装置 | |
CN115115596A (zh) | 电子元器件检测方法、装置及自动质检设备 | |
CN111950231B (zh) | 一种bmc传感器信息检查比对方法及系统 | |
CN114970490A (zh) | 一种文本标注数据的质检方法、装置、电子设备以及存储介质 | |
CN110851349B (zh) | 页面异常显示的检测方法、终端设备及存储介质 | |
CN113284141A (zh) | 用于缺陷检测的模型确定方法、装置和设备 | |
CN111931828B (zh) | 一种信息确定方法、电子设备和计算机可读存储介质 | |
CN113515588A (zh) | 表单数据检测方法、计算机装置及存储介质 | |
TWI301203B (en) | Test point pitch analyzing method for logic circuit | |
CN110245582A (zh) | 一种基于深度学习用于识别位图中单类别元器件的方法 | |
CN113128486B (zh) | 手写数学公式样本库的构建方法、装置及终端设备 | |
CN115549820B (zh) | 收音芯片测试方法及芯片测试系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191206 |