CN110162459A - 测试案例生成方法、装置及计算机可读存储介质 - Google Patents
测试案例生成方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110162459A CN110162459A CN201910298592.2A CN201910298592A CN110162459A CN 110162459 A CN110162459 A CN 110162459A CN 201910298592 A CN201910298592 A CN 201910298592A CN 110162459 A CN110162459 A CN 110162459A
- Authority
- CN
- China
- Prior art keywords
- image
- test cases
- test
- elements
- case
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 46
- 210000002569 neuron Anatomy 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims 2
- 210000005036 nerve Anatomy 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种测试案例生成方法，该方法包括：获取多个测试案例原始图像；对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素；将每个测试案例原始图像中的多个元素确定为训练样本数据；基于所述训练样本数据，训练得到案例元素识别模型；获取目标测试案例的目标页面图像；将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。本发明能自动生成测试案例，并自动展现给用户以供用户选择。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种测试案例生成方法、装置及计算机可读存储介质。
背景技术
项目中在进行测试案例设计时，通常会遇到通用性的一些功能、控件等。现有的自动生成测试案例大多是由人工完成的，由人工去数据库中选择合适的测试案例，因此这种人工测试太过耗时耗力，而且没有针对性。
发明内容
本发明提供一种测试案例生成方法、装置及计算机可读存储介质，其主要目的在于能自动生成测试案例，并自动展现给用户以供用户选择，提高了用户体验。
为实现上述目的，本发明还提供一种测试案例生成方法，所述方法包括：
获取多个测试案例原始图像；
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
将每个测试案例原始图像中的多个元素确定为训练样本数据；
基于所述训练样本数据，训练得到案例元素识别模型；
获取目标测试案例的目标页面图像；
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
优选地，所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
优选地，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理；
利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像；
利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
优选地，所述案例元素识别模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；
输入层：用于定义元素的图像特征数据中不同类型的数据输入；
隐藏层：用于利用激励函数对输入层输入的元素的图像特征数据进行非线性化处理；
输出层：用于对隐藏层拟合的结果进行输出表示，输出元素的图像特征对应的识别类型；
记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的元素的图像特征数据、现在的记忆的元素的图像特征数据和当前输入的元素的图像特征结合在一起，对长期信息进行记录。
优选地，所述输入层包含128和64神经元的两个双向循环层，并含有32个神经元的单向循环层；隐藏层为256个神经元，输出层神经元节点为1。
优选地，，根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户包括以下至少一种：
若识别出的测试元素为操作***，则从案例数据库中提取所述操作***的兼容测试案例，并显示给用户选择；
若识别出的测试元素为控件，从案例数据库中提取所述控件的测试案例，并显示给用户选择；
若识别出的测试元素为页面通用功能，从案例数据库中提取所述页面通用功能的测试案例，并生成测试案例的预期结果以使用户较验所述页面通用功能。
为了实现上述目的、本发明还提供一种测试案例生成装置，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的测试案例生成程序，所述测试案例生成程序被所述处理器执行时实现如下步骤：
获取多个测试案例原始图像；
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
将每个测试案例原始图像中的多个元素确定为训练样本数据；
基于所述训练样本数据，训练得到案例元素识别模型；
获取目标测试案例的目标页面图像；
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
优选地，所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
优选地，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理；
利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像；
利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有测试案例生成程序，所述测试案例生成程序可被一个或者多个处理器执行，以实现如上所述的测试案例生成方法的步骤。
附图说明
图1为本发明一实施例提供的测试案例生成方法的流程示意图；
图2为本发明一实施例提供的测试案例生成装置的内部结构示意图；
图3为本发明一实施例提供的测试案例生成装置中测试案例生成程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种测试案例生成方法。参照图1所示，为本发明一实施例提供的测试案例生成方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，测试案例生成方法包括：
S10、获取多个测试案例原始图像。
在本发明中，所述多个测试案例包括测试中遇到的各种测试的案例，以便能从测试案例的图片中提取很多的样本数据，从而提高后续模型训练的准确性。
S11、对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素。
在本发明中，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像。
所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
S12、将每个测试案例原始图像中的多个元素确定为训练样本数据。
在本发明中，每个元素的训练样本数据量是大量的，以提供后续训练模型的准确性。对大量的包含这些通用功能、控件、操作***浏览器等图形样本进行训练。比如文件上传的功能图形样本展示形态有多种，获取文件上传的大量训练样本数据，可以使后续训练出的模型能准确识别出文件上传功能。
在一实施例中，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
(1)对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理。
在一实施例中，对于将彩色图像转换为灰度图的操作，本发明运用的是各比例法，即设当前像素的三分量分别为R，G，B，然后利用如下公式得到转换后的像素分量值：0.30*R+0.59*G+0.11*B，并对图像进行二值化操作。图像的二值化处理就是将图像上的像素设置为0或255，也就是使整个图像呈现出明显的黑白效果。
在一实施例中，通过设计自适应图像降噪滤波器对黑白图进行降噪，这样可以很好的滤除“椒盐”噪声，并且可以很大程度的保护图像的细节。
(2)利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像。
由于原始图像中既包含了显示页面，也包含了界面以外的背景，因此本发明需要先提取整个页面界面，然后从界面中分割出各个待识别的控件元素。
(3)利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
S13、基于所述训练样本数据，训练得到案例元素识别模型。
所述案例元素识别模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；
输入层：用于定义元素的图像特征数据中不同类型的数据输入；
隐藏层：用于利用激励函数对输入层输入的元素的图像特征数据进行非线性化处理；
输出层：用于对隐藏层拟合的结果进行输出表示，输出元素的图像特征对应的识别类型；
记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的元素的图像特征数据、现在的记忆的元素的图像特征数据和当前输入的元素的图像特征结合在一起，对长期信息进行记录。
所述输入层包含128和64神经元的两个双向循环层，并含有32个神经元的单向循环层；隐藏层为256个神经元，输出层神经元节点为1。
S14、获取目标测试案例的目标页面图像。
在本实施例中，所述目标测试案例为用户通过用户接口上传的数据。
S15、将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素。
S16、根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
在本实施例中，根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户包括以下至少一种：
若识别出的测试元素为操作***，则从案例数据库中提取所述操作***的兼容测试案例，并显示给用户选择；
若识别出的测试元素为控件，从案例数据库中提取所述控件的测试案例，并显示给用户选择；
若识别出的测试元素为页面通用功能，从案例数据库中提取所述页面通用功能的测试案例，并生成测试案例的预期结果以使用户较验所述页面通用功能。
本发明公开了一种测试案例生成方法，该方法包括：获取多个测试案例原始图像；对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素；将每个测试案例原始图像中的多个元素确定为训练样本数据；基于所述训练样本数据，训练得到案例元素识别模型；获取目标测试案例的目标页面图像；将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。本发明能自动生成测试案例，并自动展现给用户以供用户选择。
本发明还提供一种测试案例生成装置。参照图2所示，为本发明一实施例提供的测试案例生成装置的内部结构示意图。
在本实施例中，测试案例生成装置1可以是个人电脑(Personal Computer，PC)，也可以是智能手机、平板电脑、便携计算机等终端设备。该测试案例生成装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是测试案例生成装置1的内部存储单元，例如该测试案例生成装置1的硬盘。存储器11在另一些实施例中也可以是测试案例生成装置1的外部存储设备，例如测试案例生成装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括测试案例生成装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于测试案例生成装置1的应用软件及各类数据，例如测试案例生成程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行测试案例生成程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在测试案例生成装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及测试案例生成程序01的测试案例生成装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对测试案例生成装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图2所示的装置1实施例中，存储器11中存储有测试案例生成程序01；处理器12执行存储器11中存储的测试案例生成程序01时实现如下步骤：
获取多个测试案例原始图像。
在本发明中，所述多个测试案例包括测试中遇到的各种测试的案例，以便能从测试案例的图片中提取很多的样本数据，从而提高后续模型训练的准确性。
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素。
在本发明中，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像。
所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
将每个测试案例原始图像中的多个元素确定为训练样本数据。
在本发明中，每个元素的训练样本数据量是大量的，以提供后续训练模型的准确性。对大量的包含这些通用功能、控件、操作***浏览器等图形样本进行训练。比如文件上传的功能图形样本展示形态有多种，获取文件上传的大量训练样本数据，可以使后续训练出的模型能准确识别出文件上传功能。
在一实施例中，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
(1)对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理。
在一实施例中，对于将彩色图像转换为灰度图的操作，本发明运用的是各比例法，即设当前像素的三分量分别为R，G，B，然后利用如下公式得到转换后的像素分量值：0.30*R+0.59*G+0.11*B，并对图像进行二值化操作。图像的二值化处理就是将图像上的像素设置为0或255，也就是使整个图像呈现出明显的黑白效果。
在一实施例中，通过设计自适应图像降噪滤波器对黑白图进行降噪，这样可以很好的滤除“椒盐”噪声，并且可以很大程度的保护图像的细节。
(2)利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像。
由于原始图像中既包含了显示页面，也包含了界面以外的背景，因此本发明需要先提取整个页面界面，然后从界面中分割出各个待识别的控件元素。
(3)利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
基于所述训练样本数据，训练得到案例元素识别模型。
所述案例元素识别模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；
输入层：用于定义元素的图像特征数据中不同类型的数据输入；
隐藏层：用于利用激励函数对输入层输入的元素的图像特征数据进行非线性化处理；
输出层：用于对隐藏层拟合的结果进行输出表示，输出元素的图像特征对应的识别类型；
记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的元素的图像特征数据、现在的记忆的元素的图像特征数据和当前输入的元素的图像特征结合在一起，对长期信息进行记录。
所述输入层包含128和64神经元的两个双向循环层，并含有32个神经元的单向循环层；隐藏层为256个神经元，输出层神经元节点为1。
获取目标测试案例的目标页面图像。
在本实施例中，所述目标测试案例为用户通过用户接口上传的数据。
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素。
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
在本实施例中，根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户包括以下至少一种：
若识别出的测试元素为操作***，则从案例数据库中提取所述操作***的兼容测试案例，并显示给用户选择；
若识别出的测试元素为控件，从案例数据库中提取所述控件的测试案例，并显示给用户选择；
若识别出的测试元素为页面通用功能，从案例数据库中提取所述页面通用功能的测试案例，并生成测试案例的预期结果以使用户较验所述页面通用功能。
本发明公开了一种测试案例生成方法，该方法包括：获取多个测试案例原始图像；对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素；将每个测试案例原始图像中的多个元素确定为训练样本数据；基于所述训练样本数据，训练得到案例元素识别模型；获取目标测试案例的目标页面图像；将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。本发明能自动生成测试案例，并自动展现给用户以供用户选择。
可选地，在其他实施例中，测试案例生成程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述测试案例生成程序在测试案例生成装置中的执行过程。
例如，参照图3所示，为本发明测试案例生成装置一实施例中的测试案例生成程序的程序模块示意图，该实施例中，测试案例生成程序可以被分割为获取模块10、处理模块20、确定模块30、训练模块40、输出模块50及展现模块60，示例性地：
获取模块10获取多个测试案例原始图像；
处理模块20对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
确定模块30将每个测试案例原始图像中的多个元素确定为训练样本数据；
训练模块40基于所述训练样本数据，训练得到案例元素识别模型；
所述获取模块10获取目标测试案例的目标页面图像；
输出模块50将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
展现模块60根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
上述获取模块10、处理模块20、确定模块30、训练模块40、输出模块50及展现模块60等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有测试案例生成程序，所述测试案例生成程序可被一个或多个处理器执行，以实现如下操作：
获取多个测试案例原始图像；
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
将每个测试案例原始图像中的多个元素确定为训练样本数据；
基于所述训练样本数据，训练得到案例元素识别模型；
获取目标测试案例的目标页面图像；
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
本发明计算机可读存储介质具体实施方式与上述测试案例生成装置和方法各实施例基本相同，在此不作累述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种测试案例生成方法，其特征在于，所述方法包括：
获取多个测试案例原始图像；
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
将每个测试案例原始图像中的多个元素确定为训练样本数据；
基于所述训练样本数据，训练得到案例元素识别模型；
获取目标测试案例的目标页面图像；
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
2.如权利要求1所述的测试案例生成方法，其特征在于，所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
3.如权利要求1所述的测试案例生成方法，其特征在于，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理；
利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像；
利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
4.如权利要求1所述的测试案例生成方法，其特征在于，所述案例元素识别模型包括循环神经网络模型，所述循环神经网络模型包括：输入层、隐藏层和输出层；
输入层：用于定义元素的图像特征数据中不同类型的数据输入；
隐藏层：用于利用激励函数对输入层输入的元素的图像特征数据进行非线性化处理；
输出层：用于对隐藏层拟合的结果进行输出表示，输出元素的图像特征对应的识别类型；
记忆单元：记忆单元在神经元内部决定是否应该写入或删除对信息的记忆，并将之前的记录的元素的图像特征数据、现在的记忆的元素的图像特征数据和当前输入的元素的图像特征结合在一起，对长期信息进行记录。
5.如权利要求1所述的测试案例生成方法，其特征在于，所述输入层包含128和64神经元的两个双向循环层，并含有32个神经元的单向循环层；隐藏层为256个神经元，输出层神经元节点为1。
6.如权利要求1至5中任一项所述的测试案例生成方法，其特征在于，根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户包括以下至少一种：
若识别出的测试元素为操作***，则从案例数据库中提取所述操作***的兼容测试案例，并显示给用户选择；
若识别出的测试元素为控件，从案例数据库中提取所述控件的测试案例，并显示给用户选择；
若识别出的测试元素为页面通用功能，从案例数据库中提取所述页面通用功能的测试案例，并生成测试案例的预期结果以使用户较验所述页面通用功能。
7.一种测试案例生成装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的测试案例生成程序，所述测试案例生成程序被所述处理器执行时实现如下步骤：
获取多个测试案例原始图像；
对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素，所述多个元素包括以下至少一种：页面通用功能对应的图像、控件对应的图像、页面兼容测试对应的图像；
将每个测试案例原始图像中的多个元素确定为训练样本数据；
基于所述训练样本数据，训练得到案例元素识别模型；
获取目标测试案例的目标页面图像；
将所述目标页面图像作为案例元素识别模型的输入，输出所述目标页面图像中多个测试元素；
根据所述目标页面图像中多个测试元素，从案例数据库中获取每个测试元素中对应的测试案例，并展现给用户。
8.如权利要求7所述的测试案例生成装置，其特征在于，所述页面通用功能包括以下至少一种：文件上传、搜索功能、登录注册、提示功能；所述控件包括以下至少一种：输入框、选项控件、对话框、下拉框；所述页面兼容测试包括以下至少一种：操作***、浏览器、分辨率。
9.如权利要求1所述的测试案例生成方法，其特征在于，对所述多个测试案例原始图像进行处理，得到每个测试案例原始图像中的多个元素包括：
对每个测试案例原始图像进行预处理，所述预处理包括灰度化、二值化和降噪处理；
利用Canny边缘检测从预处理后的图像剔除背景图像，得到所述预处理后的图像中待分割图像；
利用阙值分割法及区域增长法从所述待分割图像中分割出每个测试案例原始图像中的多个元素。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有测试案例生成程序，所述测试案例生成程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的测试案例生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910298592.2A CN110162459A (zh) | 2019-04-15 | 2019-04-15 | 测试案例生成方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910298592.2A CN110162459A (zh) | 2019-04-15 | 2019-04-15 | 测试案例生成方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110162459A true CN110162459A (zh) | 2019-08-23 |
Family
ID=67638604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910298592.2A Pending CN110162459A (zh) | 2019-04-15 | 2019-04-15 | 测试案例生成方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110162459A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220511A (zh) * | 2020-02-06 | 2021-08-06 | 伊姆西Ip控股有限责任公司 | 测试bios的方法、设备和计算机可读存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101135989A (zh) * | 2006-08-31 | 2008-03-05 | ***股份有限公司 | 一种Web应用***的自动化测试的方法和装置 |
| CN101377759A (zh) * | 2008-08-26 | 2009-03-04 | 中国工商银行股份有限公司 | 自动化界面测试*** |
| CN101908015A (zh) * | 2009-06-04 | 2010-12-08 | 中国工商银行股份有限公司 | 一种基于构件生成测试案例的装置及方法 |
| US20130311502A1 (en) * | 2011-01-31 | 2013-11-21 | Panasonic Corporation | Case searching apparatus and case searching method |
| CN105393226A (zh) * | 2013-07-23 | 2016-03-09 | 兰德马克绘图国际公司 | 脚本测试案例和手动测试案例的自动生成 |
| CN108399130A (zh) * | 2018-02-28 | 2018-08-14 | 平安科技（深圳）有限公司 | 自动生成测试案例的方法、装置、设备及可读存储介质 |
| CN108710569A (zh) * | 2018-05-09 | 2018-10-26 | 深圳壹账通智能科技有限公司 | 测试案例生成方法、数据生成方法、装置、设备及介质 |
| CN108829556A (zh) * | 2018-06-27 | 2018-11-16 | 中国建设银行股份有限公司 | 一种自动化测试方法及装置 |
| CN109101428A (zh) * | 2018-08-21 | 2018-12-28 | 宜人恒业科技发展（北京）有限公司 | 一种ui自动化测试*** |
| CN109102037A (zh) * | 2018-06-04 | 2018-12-28 | 平安科技（深圳）有限公司 | 中文模型训练、中文图像识别方法、装置、设备及介质 |
| CN109324960A (zh) * | 2018-08-13 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 基于大数据分析的自动测试方法及终端设备 |
| CN109542764A (zh) * | 2018-10-17 | 2019-03-29 | 平安健康保险股份有限公司 | 网页自动化测试方法、装置、计算机设备和存储介质 |
-
2019
- 2019-04-15 CN CN201910298592.2A patent/CN110162459A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101135989A (zh) * | 2006-08-31 | 2008-03-05 | ***股份有限公司 | 一种Web应用***的自动化测试的方法和装置 |
| CN101377759A (zh) * | 2008-08-26 | 2009-03-04 | 中国工商银行股份有限公司 | 自动化界面测试*** |
| CN101908015A (zh) * | 2009-06-04 | 2010-12-08 | 中国工商银行股份有限公司 | 一种基于构件生成测试案例的装置及方法 |
| US20130311502A1 (en) * | 2011-01-31 | 2013-11-21 | Panasonic Corporation | Case searching apparatus and case searching method |
| CN105393226A (zh) * | 2013-07-23 | 2016-03-09 | 兰德马克绘图国际公司 | 脚本测试案例和手动测试案例的自动生成 |
| CN108399130A (zh) * | 2018-02-28 | 2018-08-14 | 平安科技（深圳）有限公司 | 自动生成测试案例的方法、装置、设备及可读存储介质 |
| CN108710569A (zh) * | 2018-05-09 | 2018-10-26 | 深圳壹账通智能科技有限公司 | 测试案例生成方法、数据生成方法、装置、设备及介质 |
| CN109102037A (zh) * | 2018-06-04 | 2018-12-28 | 平安科技（深圳）有限公司 | 中文模型训练、中文图像识别方法、装置、设备及介质 |
| CN108829556A (zh) * | 2018-06-27 | 2018-11-16 | 中国建设银行股份有限公司 | 一种自动化测试方法及装置 |
| CN109324960A (zh) * | 2018-08-13 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 基于大数据分析的自动测试方法及终端设备 |
| CN109101428A (zh) * | 2018-08-21 | 2018-12-28 | 宜人恒业科技发展（北京）有限公司 | 一种ui自动化测试*** |
| CN109542764A (zh) * | 2018-10-17 | 2019-03-29 | 平安健康保险股份有限公司 | 网页自动化测试方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| ABDÜLHADI KIRKICI: "Risk-Driven Model-Based Testing of Washing Machine Software: An Industrial Case Study", 《018 IEEE INTERNATIONAL CONFERENCE ON SOFTWARE TESTING, VERIFICATION AND VALIDATION WORKSHOPS (ICSTW)》, 19 July 2018 (2018-07-19), pages 398 - 403 * |
| 庞彦知;卢楠;: "基于专家***的测试案例自动分析研究", 铁路计算机应用, no. 02, 25 February 2017 (2017-02-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220511A (zh) * | 2020-02-06 | 2021-08-06 | 伊姆西Ip控股有限责任公司 | 测试bios的方法、设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080628B (zh) | 图像篡改检测方法、装置、计算机设备和存储介质 | |
| CN108595583B (zh) | 动态图表类页面数据爬取方法、装置、终端及存储介质 | |
| CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
| CN106777177A (zh) | 检索方法和装置 | |
| CN110488368B (zh) | 一种基于双能x光安检机的违禁品识别方法及装置 | |
| CN105574513A (zh) | 文字检测方法和装置 | |
| CN111275784B (zh) | 生成图像的方法和装置 | |
| WO2020228283A1 (zh) | 特征提取方法、装置及计算机可读存储介质 | |
| CN110162599A (zh) | 招聘面试方法、装置及计算机可读存储介质 | |
| CN110781925B (zh) | 软件页面的分类方法、装置、电子设备及存储介质 | |
| CN108132887A (zh) | 用户界面校验方法、装置、软件测试***、终端及介质 | |
| CN112101386B (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
| CN112560411A (zh) | 一种人员信息智能录入方法及其*** | |
| Datta | Learning OpenCV 3 Application Development | |
| CN110135889A (zh) | 智能推荐书单的方法、服务器及存储介质 | |
| CN111915618A (zh) | 基于峰值响应增强的实例分割算法、计算设备 | |
| CN110321892A (zh) | 一种图片筛选方法、装置及电子设备 | |
| CN110414522A (zh) | 一种字符识别方法及装置 | |
| CN107168635A (zh) | 信息呈现方法和装置 | |
| CN110490056A (zh) | 对包含算式的图像进行处理的方法和装置 | |
| CN110162459A (zh) | 测试案例生成方法、装置及计算机可读存储介质 | |
| CN105913024A (zh) | 基于lap算子的抵抗重放攻击的安卓手机终端检测方法 | |
| CN110321883A (zh) | 验证码识别方法及装置、可读存储介质 | |
| CN104423964A (zh) | 用于确定可视化的可信性的方法和*** | |
| CN114170589A (zh) | 一种基于nas的岩石岩性识别方法、终端设备及存储介质 |
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 |