【技术实现步骤摘要】
软件自动化测试方法及系统
本专利技术涉及软件测试
,尤其涉及一种软件自动化测试方法及系统。
技术介绍
随着软件产品的应用范围越来越广、功能越来越复杂,软件质量的管理也越来越困难,虽然人们在进行软件开发的过程中使用了许多有效的分析、设计和实现方法,但仍然不能避免出现各种各样的错误。有些软件每周都会发布新版本,而且软件中不断出现新特性和功能变更,而现有的测试都是由人工进行的,从而导致测试人员的工作量越来越大,而且存在大量的重复性测试,测试效率低、错误率高。
技术实现思路
本专利技术提供的软件自动化测试方法及系统,能够基于深度学习实现软件的自动化测试,提高测试的效率以及测试结果的正确率。第一方面,本专利技术提供一种软件自动化测试方法,包括:通过版本推送机制,发现软件新版本,自动更新测试环境;为测试工具准备测试所需要的测试数据和测试用例;调用自动化测试框架;通过根据测试用例的源码自动生成测试套件配置信息,执行测试用例,并对操作步骤和测试结果进行截图保存;使用双通道卷积神经网络模型将测试结果与预期结果进行比较,得出相似度结果;对所有的测试结果进行分析,对同类型的问题进行归 ...
【技术保护点】
1.一种软件自动化测试方法,其特征在于,包括:通过版本推送机制,发现软件新版本,自动更新测试环境;为测试工具准备测试所需要的测试数据和测试用例;调用自动化测试框架;通过根据测试用例的源码自动生成测试套件配置信息,执行测试用例,并对操作步骤和测试结果进行截图保存;使用双通道卷积神经网络模型将测试结果与预期结果进行比较,得出相似度结果;对所有的测试结果进行分析,对同类型的问题进行归类,生成测试报告。
【技术特征摘要】
1.一种软件自动化测试方法,其特征在于,包括:通过版本推送机制,发现软件新版本,自动更新测试环境;为测试工具准备测试所需要的测试数据和测试用例;调用自动化测试框架;通过根据测试用例的源码自动生成测试套件配置信息,执行测试用例,并对操作步骤和测试结果进行截图保存;使用双通道卷积神经网络模型将测试结果与预期结果进行比较,得出相似度结果;对所有的测试结果进行分析,对同类型的问题进行归类,生成测试报告。2.根据权利要求1所述的方法,其特征在于,所述双通道卷积神经网络模型由两个相对独立的卷积神经网络组成,每一个卷积神经网络由卷积层和池化层交替多次排列后构成,最后一层采用空间金字塔池化,池化层之后,两个通道分别连接一个全连接层,进行一次全连接映射,然后再将两个全连接层通过一个全连接层结合在一起,最后是Softmax分类器,将提取的特征进行分类,给出预测值。3.根据权利要求2所述的方法,其特征在于,所述使用双通道卷积神经网络模型对所述测试结果与预期结果进行比较包括:将预期结果和实际结果作为输入数据;通过卷积核的固定步长移动对输入数据进行局部特征提取;通过池化操作使图像的局部特征逐步扩大范围,整合为全局特征;通过全连接层把前边提取到的特征综合起来,进行重新拟合,其中,全连接层的每一个输出由前一层的每一个结点乘以一个权重系数再加上一个偏置值得到;通过Softmax分类器计算出每个类别的概率值。4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:通过配置文件修改测试类型,调用不同的测试框架。5.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:将所述测试报告通过邮件发送给相关人员。6.一种软件自动化测试系统...
【专利技术属性】
技术研发人员:王建敏,孙东坡,吕灼恒,王家尧,原帅,南亚,李媛,郝文静,王雄斌,
申请(专利权)人:曙光信息产业北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。