CN117632772B - 一种ui自动化测试的方法 - Google Patents
一种ui自动化测试的方法 Download PDFInfo
- Publication number
- CN117632772B CN117632772B CN202410105456.8A CN202410105456A CN117632772B CN 117632772 B CN117632772 B CN 117632772B CN 202410105456 A CN202410105456 A CN 202410105456A CN 117632772 B CN117632772 B CN 117632772B
- Authority
- CN
- China
- Prior art keywords
- image
- test
- matrix
- coordinates
- basic
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 104
- 238000013515 script Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000010998 test method Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种UI自动化测试的方法,包括以下步骤:S1、通过程序主入口加载配置文件以及图像库,从而确定自动化测试平台和所需的基础图像,得到所需的基础图像和测试范围;S2、根据步骤S1得到的测试范围自动生成用例可执行脚本;S3、用例可执行脚本连接图像云平台,并应用UI图像和基础图像精准定位算法,精准定位所需的操作或者判定数据位置;S4、将步骤S3的结果集录入测试报告;S5、步骤S1生成的每个用例可执行脚本逐个执行S2‑S4的步骤;S6、待所有用例可执行脚本执行完成后,生成并输出项目测试报告,以邮件的方式通知相关人员。本发明采用UI图像和基础图像精准定位算法,不依赖元素反向生成技术从而获取元素位置,提高了测试的准确性和可靠性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种UI自动化测试的方法。
背景技术
目前,大多数UI自动化测试依赖于元素定位方式,通过在网页或者应用中查找元素的绝对路径来实现测试脚本的定位、输入、点击和内容获取等操作。然而,随着前端技术的不断发展,出现了元素反向生成技术,使得现有的UI自动化测试存在以下技术难题:
1、元素反向生成技术导致元素路径的生成变得不确定且进行了加密处理,因此无法通过传统的元素定位方式准确获取元素位置。
2、这种不确定性的元素路径生成技术也带来了另一个问题,即在测试过程中无法获取UI页面的准确布局信息。因为测试脚本无法事先确定元素的路径,传统的元素定位方式难以提供足够的信息来描述页面结构。这使得测试脚本对界面元素的判定变得不够严谨,从而影响了测试的可靠性和准确性。
3、新增的页面导致原有的自动化测试脚本不可用,需要新开发脚本以适用新项目。
4、目前的项目快速迭代,导致新增的页面导致原有的页面相对位置变化很大,自动化测试维护成本较高。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种UI自动化测试的方法。
为实现上述目的,本发明采用了如下技术方案:一种UI自动化测试的方法,包括以下步骤;
S1、通过程序主入口加载配置文件,以及图像库,从而确定自动化测试平台和所需的基础图像,得到所需的基础图像和测试范围;
所述程序为python程序;
所述程序主入口为python程序的入口文件,所述入口文件命名规则为***_Run_***;
所述配置文件为用户可自定义存放于用户本地电脑的json文件;
配置文件通过指定参数加载所需的基础图像,
配置文件通过指定参数加载所需的测试范围,
指定参数为人工写在json文件中的参数;
测试范围为人工写在json文件中的范围,测试范围在json文件中以文字的形式出现;
所述图像库是指,为了多用户共享资源所建立的图像云平台,用户可在该平台对基础图像做增删改查;
所述基础图像为图像云平台中的图像;
所述自动化测试平台为对于需要回归测试的UI页面可替代人工测试,从而节省测试时间和人力的UI测试平台;所述自动化测试平台可连接图像云平台获取基础图像。
项目新增的功能虽然影响了原有功能的元素路径,但不会影响原有页面的样式布局,所以原有测试脚本仍然可用,如有需要,只需增加新功能的基础图像即可。本发明根据步骤S1得到的测试范围自动生成用例可执行脚本,使得原有基础图像和用例可执行脚本不需要维护。解决了新增的页面导致原有的自动化测试脚本不可用,需要新开发脚本以适用新项目的技术难题。
S2、根据步骤S1得到的测试范围自动生成用例可执行脚本;
main函数根据测试范围,通过python动态生成代码方式生成一条条的可执行用例,该可执行用例即为用例可执行脚本。
S3、用例可执行脚本连接图像云平台,并应用UI图像和基础图像精准定位算法,精准定位所需的操作或者判定数据位置;
具体包括以下子步骤:
S31、利用浏览器driver获取实时截图,得到UI图像;
所述浏览器driver为控制浏览器的驱动;
所述实时截图为利用浏览器driver所呈现的UI界面得到的UI界面截图;
S32、连接图像云平台下载所需的基础图像,得到基础图像;
S33、将步骤S31和步骤S32的UI图像和基础图像分别做灰度处理,并将UI图像和基础图像中的每个像素转换为0-255的数值区间;0代表纯黑,255代表纯白,0-255之间的数值代表纯黑至纯白之间的颜色;
分别得到UI图像的数字矩阵和基础图像的数字矩阵;
UI图像的数字矩阵为实际测试矩阵,基础图像的数字矩阵为预期矩阵。
本发明将彩色图像转灰度处理,即对图像做降维处理,将三维转一维,提升了图像识别的效率,相当于提高了步骤S34至少3倍的平移效率。
S34、将预期矩阵以平移的方式在实际测试矩阵中,由左上角逐行平移至右下角,获取与目标矩阵相似度最高的位置,得到相似度数值,和预期矩阵与实际测试矩阵相似度数值最高的位置的坐标(x,y)。
本发明因为逐个像素点比对,不会遗漏图像区域,并且能够返回所有的相似度数值和相似度数值最高的位置的坐标(x,y)。
S35、设相似度的数值为A,判定A是否大于即设定的阈值,从而确定成功或失败,以及x、y坐标;
设定的阈值为人工在配置文件中设定的相似度的最小值;
若A大于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)有效;
若A小于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)无效;
还包括以下子步骤:
S351、若步骤S34得到的相似度数值A和坐标(x,y)无效,则通过show模式组件查看失败原因;
转入人工分析;
S352、若步骤S34得到的相似度数值A和坐标(x,y)有效,则执行步骤S4。
本发明采用UI图像和基础图像精准定位算法,不依赖元素反向生成技术从而获取元素位置,解决了元素反向生成技术导致的元素路径的生成变得不确定且进行了加密处理,无法通过传统的元素定位方式准确获取元素位置的技术难题。
S4、将步骤S3的结果集录入测试报告;
所述步骤S3的结果集为有效的相似度数值A和坐标(x,y),以及无效的相似度数值A和坐标(x,y);
所述测试报告为BeautifulReport组件缓存空间。
S5、步骤S1生成的每个用例可执行脚本逐个执行S2-S4的步骤;
S6、待所有用例可执行脚本执行完成后,生成并输出项目测试报告,以邮件的方式通知相关人员;
所述项目测试报告,将BeautifulReport组件缓存空间的数据解读为相关人员可读的HTML形式的静态页面。
与现有技术相比,本发明的有益效果为:
1、本发明采用UI图像和基础图像精准定位算法,不依赖元素反向生成技术从而获取元素位置,解决了元素反向生成技术导致的元素路径的生成变得不确定且进行了加密处理,无法通过传统的元素定位方式准确获取元素位置的技术难题。
2、目前,对于IOS的UI界面和Android的UI界面的自动化测试,主要使用元素定位的方式进行测试,采用元素定位方式时,当UI界面随着用户的行为习惯而发生不同的变化时,元素定位会失效。本发明的UI图像和基础图像精准定位算法,解决了因为用户的行为不同导致元素定位失效的难题。因此,本发明的UI图像和基础图像精准定位算法,创新性地实现了兼容移动端和web端同时应用的测试框架。
3、本发明的技术原理是基于图像,而一幅图像中的目标矩阵是唯一的,所以只要目标矩阵中的图像即基础图像合理,即获取到的位置一定是严谨和准确的,从而提高了测试的准确性和可靠性。
4、本发明应用了图像云平台维护基础图像,使得非专业技术人员仍然可以对新增页面进行自动化测试开发,上传基础图像和修改配置文件,即可对新增功能进行自动化测试,非常适用于敏捷开发的快速迭代项目。降低了技术人员的专业性要求,降低了自动化测试维护成本。
5、项目新增的功能虽然影响了原有功能的元素路径,但不会影响原有页面的样式布局,所以原有测试脚本仍然可用,如有需要,只需增加新功能的基础图像即可。本发明根据步骤S1得到的测试范围自动生成用例可执行脚本,使得原有基础图像和用例可执行脚本不需要维护。解决了新增的页面导致原有的自动化测试脚本不可用,需要新开发脚本以适用新项目的技术难题。
6、本发明将彩色图像转灰度处理,即对图像做降维处理,将三维转一维,提升了图像识别的效率。
7、本发明因为逐个像素点比对,不会遗漏图像区域,并且能够返回所有的相似度数值和相似度数值最高的位置的坐标(x,y)。
附图说明
图1为本发明实施例1的流程图;
图2为本发明实施例1步骤S33中,对图像做灰度处理前后所需时间的对照表格。
具体实施方式
为使对本发明的目的、构造、特征、及其功能有进一步的了解,兹配合实施例详细说明如下。
如图1所示,一种UI自动化测试的方法,包括以下步骤;
S1、通过程序主入口加载配置文件以及图像库,从而确定自动化测试平台和所需的基础图像,得到所需的基础图像和测试范围;
所述程序为python程序;
所述程序主入口为python程序的入口文件,所述入口文件命名规则为***_Run_***;
所述配置文件为用户可自定义存放于用户本地电脑的json文件;
配置文件通过指定参数加载所需的基础图像,
配置文件通过指定参数加载所需的测试范围,
指定参数为人工写在json文件中的参数;
测试范围为人工写在json文件中的范围,测试范围在json文件中以文字的形式出现;
在本发明的一个具体实施例中,在测试一个网页应用程序时,测试范围包括登录功能、搜索功能、用户注册。加载配置文件和图像库的过程则是为了配置自动化测试环境,确保测试能够在正确的条件下执行,并且能够识别和验证页面上的元素。
所述图像库是指,为了多用户共享资源所建立的图像云平台,用户可在该平台对基础图像做增删改查;
所述基础图像为图像云平台中的图像;
所述自动化测试平台为对于需要回归测试的UI页面可替代人工测试,从而节省测试时间和人力的UI测试平台;所述自动化测试平台可连接图像云平台获取基础图像。
项目新增的功能虽然影响了原有功能的元素路径,但不会影响原有页面的样式布局,所以原有测试脚本仍然可用,如有需要,只需增加新功能的基础图像即可。本发明根据步骤S1得到的测试范围自动生成用例可执行脚本,使得原有基础图像和用例可执行脚本不需要维护。解决了新增的页面导致原有的自动化测试脚本不可用,需要新开发脚本以适用新项目的技术难题。
S2、根据步骤S1得到的测试范围自动生成用例可执行脚本;
main函数根据测试范围,通过python动态生成代码方式生成一条条的可执行用例,该可执行用例即为用例可执行脚本。
S3、用例可执行脚本连接图像云平台,并应用UI图像和基础图像精准定位算法,精准定位所需的操作或者判定数据位置;
具体包括以下子步骤:
S31、利用浏览器driver获取实时截图,得到UI图像;
所述浏览器driver为控制浏览器的驱动;
所述实时截图为利用浏览器driver所呈现的UI界面得到的UI界面截图;
S32、连接图像云平台下载所需的基础图像,得到基础图像;
S33、将步骤S31和步骤S32的UI图像和基础图像分别做灰度处理,并将UI图像和基础图像中的每个像素转换为0-255的数值区间;0代表纯黑,255代表纯白,0-255之间的数值代表纯黑至纯白之间的颜色;
分别得到UI图像的数字矩阵和基础图像的数字矩阵;
UI图像的数字矩阵为实际测试矩阵,基础图像的数字矩阵为预期矩阵。
本发明将彩色图像转灰度处理,即对图像做降维处理,将三维转一维,提升了图像识别的效率,相当于提高了步骤S34至少3倍的平移效率。在本发明的具体实施例中,具体对比数据如图2表格所示。
S34、将预期矩阵以平移的方式在实际测试矩阵中,由左上角逐行平移至右下角,获取与目标矩阵相似度最高的位置,得到相似度数值,和预期矩阵与实际测试矩阵相似度数值最高的位置的坐标(x,y)。
本发明因为逐个像素点比对,不会遗漏图像区域,并且能够返回所有的相似度数值和相似度数值最高的位置的坐标(x,y)。
S35、设相似度的数值为A,判定A是否大于即设定的阈值,从而确定成功或失败,以及x、y坐标;
设定的阈值为人工在配置文件中设定的相似度的最小值;
若A大于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)有效;
若A小于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)无效;
还包括以下子步骤:
S351、若步骤S34得到的相似度数值A和坐标(x,y)无效,则通过show模式组件查看失败原因;
转入人工分析;
S352、若步骤S34得到的相似度数值A和坐标(x,y)有效,则执行步骤S4。
本发明采用UI图像和基础图像精准定位算法,不依赖元素反向生成技术从而获取元素位置,解决了元素反向生成技术导致的元素路径的生成变得不确定且进行了加密处理,无法通过传统的元素定位方式准确获取元素位置的技术难题。
S4、将步骤S3的结果集录入测试报告;
所述步骤S3的结果集为有效的相似度数值A和坐标(x,y),以及无效的相似度数值A和坐标(x,y);
所述测试报告为BeautifulReport组件缓存空间。
S5、步骤S1生成的每个用例可执行脚本逐个执行S2-S4的步骤;
S6、待所有用例可执行脚本执行完成后,生成并输出项目测试报告,以邮件的方式通知相关人员;
所述项目测试报告,将BeautifulReport组件缓存空间的数据解读为相关人员可读的HTML形式的静态页面。
本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的范例。必需指出的是,已揭露的实施例并未限制本发明的范围。相反地,在不脱离本发明的精神和范围内所作的更动与润饰,均属本发明的专利保护范围。
Claims (5)
1.一种UI自动化测试的方法,其特征在于:包括以下步骤;
S1、通过程序主入口加载配置文件以及图像库,从而确定自动化测试平台和所需的基础图像,得到所需的基础图像和测试范围;
所述测试范围指功能范围,包括登录功能、搜索功能、用户注册;
所述程序为python程序;
所述程序主入口为python程序的入口文件,所述入口文件命名规则为***_Run_***;
所述配置文件为用户可自定义存放于用户本地电脑的json文件;
配置文件通过指定参数加载所需的基础图像,
配置文件通过指定参数加载所需的测试范围,
指定参数为人工写在json文件中的参数;
测试范围为人工写在json文件中的范围,测试范围在json文件中以文字的形式出现;
所述图像库是指,为了多用户共享资源所建立的图像云平台,用户可在该平台对基础图像做增删改查;
所述基础图像为图像云平台中的图像;
所述自动化测试平台为对于需要回归测试的UI页面可替代人工测试,从而节省测试时间和人力的UI测试平台;所述自动化测试平台可连接图像云平台获取基础图像;
S2、根据步骤S1得到的测试范围自动生成用例可执行脚本;
S3、用例可执行脚本连接图像云平台,并应用UI图像和基础图像精准定位算法,精准定位所需的操作或者判定数据位置;
具体包括以下子步骤:
S31、利用浏览器driver获取实时截图,得到UI图像;
所述浏览器driver为控制浏览器的驱动;
所述实时截图为利用浏览器driver所呈现的UI界面得到的UI界面截图;
S32、连接图像云平台下载所需的基础图像,得到基础图像;
S33、将步骤S31和步骤S32的UI图像和基础图像分别做灰度处理,并将UI图像和基础图像中的每个像素转换为0-255的数值区间;0代表纯黑,255代表纯白,0-255之间的数值代表纯黑至纯白之间的颜色;
分别得到UI图像的数字矩阵和基础图像的数字矩阵;
UI图像的数字矩阵为实际测试矩阵,基础图像的数字矩阵为预期矩阵;
S34、将预期矩阵以平移的方式在实际测试矩阵中,由左上角逐行平移至右下角,获取与目标矩阵相似度最高的位置,得到相似度数值,以及预期矩阵与实际测试矩阵相似度数值最高的位置的坐标(x,y);
S35、设相似度的数值为A,判定A是否大于设定的阈值,从而确定成功或失败,以及x、y坐标;
所述设定的阈值为人工在配置文件中设定的相似度的最小值;
若A大于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)有效;
若A小于设定的阈值,则步骤S34得到的相似度数值A和坐标(x,y)无效;
S4、将步骤S3的结果集录入测试报告;
S5、步骤S1生成的每个用例可执行脚本逐个执行S2-S4的步骤;
S6、待所有用例可执行脚本执行完成后,生成并输出项目测试报告,以邮件的方式通知相关人员。
2.如权利要求1所述的UI自动化测试的方法,其特征在于:步骤S2中,main函数根据测试范围,通过python动态生成代码方式生成一条条的可执行用例,该可执行用例即为用例可执行脚本。
3.如权利要求1所述的UI自动化测试的方法,其特征在于:所述步骤S35还包括以下子步骤:
S351、若步骤S34得到的相似度数值A和坐标(x,y)无效,则通过show模式组件查看失败原因;
转入人工分析;
S352、若步骤S34得到的相似度数值A和坐标(x,y)有效,则执行步骤S4。
4.如权利要求3所述的UI自动化测试的方法,其特征在于:步骤S4中,所述步骤S3的结果集,是指有效的相似度数值A和坐标(x,y),以及无效的相似度数值A和坐标(x,y);
所述测试报告为BeautifulReport组件缓存空间。
5.如权利要求4所述的UI自动化测试的方法,其特征在于:步骤S6中,所述项目测试报告,将BeautifulReport组件缓存空间的数据解读为相关人员可读的HTML形式的静态页面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410105456.8A CN117632772B (zh) | 2024-01-25 | 2024-01-25 | 一种ui自动化测试的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410105456.8A CN117632772B (zh) | 2024-01-25 | 2024-01-25 | 一种ui自动化测试的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117632772A CN117632772A (zh) | 2024-03-01 |
CN117632772B true CN117632772B (zh) | 2024-04-16 |
Family
ID=90030771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410105456.8A Active CN117632772B (zh) | 2024-01-25 | 2024-01-25 | 一种ui自动化测试的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117632772B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521834A (zh) * | 2009-04-02 | 2009-09-02 | 深圳市茁壮网络技术有限公司 | 一种自动化测试的方法、装置和系统 |
CN113448845A (zh) * | 2021-06-22 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种ui自动化测试方法及系统 |
CN113704111A (zh) * | 2021-08-30 | 2021-11-26 | 平安普惠企业管理有限公司 | 页面自动化测试方法、装置、设备及存储介质 |
CN116883698A (zh) * | 2023-09-07 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种图像对比方法及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230377309A1 (en) * | 2022-05-17 | 2023-11-23 | Fmr Llc | Methods and systems for automated cross-browser user interface testing |
-
2024
- 2024-01-25 CN CN202410105456.8A patent/CN117632772B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521834A (zh) * | 2009-04-02 | 2009-09-02 | 深圳市茁壮网络技术有限公司 | 一种自动化测试的方法、装置和系统 |
CN113448845A (zh) * | 2021-06-22 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种ui自动化测试方法及系统 |
CN113704111A (zh) * | 2021-08-30 | 2021-11-26 | 平安普惠企业管理有限公司 | 页面自动化测试方法、装置、设备及存储介质 |
CN116883698A (zh) * | 2023-09-07 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种图像对比方法及相关装置 |
Non-Patent Citations (2)
Title |
---|
吴立金 ; 唐龙利 ; 韩新宇 ; 张凯 ; 何伟 ; .嵌入式软件GUI自动化测试平台研究.计算机测量与控制.2015,(04),全文. * |
嵌入式软件GUI自动化测试平台研究;吴立金;唐龙利;韩新宇;张凯;何伟;;计算机测量与控制;20150425(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117632772A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1238337B1 (en) | System and method for printer output regression testing using display lists | |
CN109857663B (zh) | 关键字驱动与图像相似度结合的自动化测试平台 | |
CN103823758A (zh) | 一种浏览器测试方法及装置 | |
CN114549512A (zh) | 一种电路板缺陷检测方法、装置、设备及介质 | |
CN116052193B (zh) | Rpa界面动态表格的拾取和匹配方法及系统 | |
CN112527676A (zh) | 模型自动化测试方法、装置及存储介质 | |
CN111208998A (zh) | 数据可视化大屏自动布局的方法、装置及存储介质 | |
CN112181854A (zh) | 一种生成流程自动化脚本的方法、装置、设备及存储介质 | |
US7272753B2 (en) | Methods and apparatus for translating application tests for execution with simulation software tools | |
CN112416788A (zh) | 一种分层规范的Web应用UI自动化测试方法 | |
CN114677567A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN117632772B (zh) | 一种ui自动化测试的方法 | |
CN113126993B (zh) | 应用于车辆检测软件的自动化测试方法及其系统 | |
CN111966575A (zh) | 一种航空机载显示软件的图形自动化测试方法 | |
CN115905016A (zh) | 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质 | |
CN112817863B (zh) | 一种基于ai深度学习的ai辅助自动化测试方法及系统 | |
CN113032243B (zh) | 一种移动应用程序gui智能测试方法及系统 | |
CN111459831B (zh) | 测试系统和测试方法 | |
CN114896175A (zh) | 报表导出功能的自动化测试方法、装置、设备及介质 | |
CN113435168A (zh) | 胶图自动编辑方法、系统、终端及介质 | |
CN113157556A (zh) | 一种基于选择主成分识别的行业建筑软件缺陷管理方法 | |
CN112380134A (zh) | 一种基于图像识别的WebUI自动化测试方法 | |
CN110618932A (zh) | 基于Web自动化测试的输入框测试方法及可读存储介质 | |
CN111353335A (zh) | 一种将控制层逻辑图转换为仿真系统组态文件的方法 | |
CN113495844B (zh) | 基于虚拟点击的自动化测试方法、装置、系统及存储介质 |
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 |