基于人工智能的车载电子产品的用例生成方法和系统技术方案

本发明专利技术涉及一种基于人工智能的车载电子产品的用例生成方法，包括如下步骤：通过PyTorch的yolo模型来识别页面全部元素；通过Siamese的双子模型来判别页面是否出现；记录页面间的跳转关键和跳转需要点击的元素；以及根据欧拉回路和迪杰斯特拉算法思路，将页面跳转关系动态规划成可以连续执行的逻辑序列。本发明专利技术的用例生成的效率提升，自动生成基于页面覆盖性的测试用例，较之前需要投入多名自动化脚本开发工程师进行用例编写，缩短人力，用例运行的智能化提升，避免植入的测试软件对被测系统产生影响，通过纯黑盒的方法进行测试，更加能够模拟用户实际操作的情况，避免植入的测试软件存在的期间，对被测系统的性能造成的干扰，影响对产品质量的判断。影响对产品质量的判断。影响对产品质量的判断。

【技术实现步骤摘要】
基于人工智能的车载电子产品的用例生成方法和系统


[0001]本专利技术涉及计算机软硬件测试
，尤其涉及一种基于人工智能的车载电子产品的用例生成方法和系统。

技术介绍

[0002]在自动化测试领域，测试用例均以脚本形式进行创建，而脚本的创建需要专业的人员或者专业的工具并且有专门的维护才行。目前带触摸屏的测试设备，在对其应用层进行软硬件测试时，业界常见测试用例执行异常后的逻辑单一，需要脚本开发工程师经验丰富才能保证后续脚本继续执行。目前常用自动化测试脚本的生产方式有3种：1.纯手工编写；2.基于录制回放；3.模块化编写(类似少儿编程中的模块拖拽方式)。而这3种方式，生成的用例很大程度依赖自动化脚本开发人员的能力，脚本的重复利用率也不高，因此自动化测试用例脚本生成的投入产出比较低。
[0003]另一方面，生成后的测试脚本的执行，如何有效处理异常，完全依赖于脚本开发工程师的个人经验和能力的。处理方式不正确，通常会导致后续用例无法进行，产生无效自动化测试工时，造成资源浪费.
[0004]此外，近年来人工智能技术飞速发展，尤其是深度学习技术，使得计算机视觉处理在语义理解上有很大突破，在有的任务上甚至达到了工业级别的性能要求，如图像分类、目标检测、关键点检测等任务。更高的识别精度使得在用例生成结果更加可靠。

技术实现思路

[0005]本专利技术的目的在于克服现有技术存在的以上问题，提供一种基于人工智能的车载电子产品的用例生成方法和系统。
[0006]为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
[0007]一种基于人工智能的车载电子产品的用例生成方法，包括如下步骤：
[0008]通过PyTorch的yolo模型来识别页面全部元素；
[0009]通过Siamese的双子模型来判别页面是否出现；
[0010]记录页面间的跳转关键和跳转需要点击的元素；以及
[0011]根据欧拉回路和迪杰斯特拉算法思路，将页面跳转关系动态规划成可以连续执行的逻辑序列。
[0012]在本专利技术的一个实施例中，所述PyTorch的yolo模型包括如下步骤：
[0013]使用多层卷积、一次上采样和多层所述yolo层的模型，加深对小目标元素信息的识别能力；
[0014]着重寻找所述元素中的按钮和文字信息；以及
[0015]将识别到的所述信息记录到缓存。
[0016]在本专利技术的一个实施例中，所述Siamese的双子模型包括如下步骤：
[0017]使用多层卷积、多次激活和多层归一化的双子模型，将送进去的两张图片，分别经
过模型提取特征，进行图片是否存在相似性的比较。
[0018]在本专利技术的一个实施例中，所述记录页面包括如下步骤：
[0019]将页面A与页面B所需要点击的所述元素的编号记录下来；以及
[0020]将从所述页面A跳转到所述页面B所述需要点击的所述元素的编号记录下来。
[0021]在本专利技术的一个实施例中，所述逻辑序列通过如下步骤生成：
[0022]提供一个序列化的队列；以及
[0023]将记录的所述信息串联起来，形成一个覆盖所有可能路径的测试用例队列。
[0024]一种基于人工智能的车载电子产品用例生成系统，包括：
[0025]用例生成模块，以生成案例并导出Excel表单；
[0026]动态路径规划模块，基于所述欧拉回路和所述迪杰斯特拉算法；
[0027]用例执行模块，根据Excel表单序列，执行用例；以及
[0028]异常判断模块，判断用例执行是否存在异常，标记并调用所述动态路径规划模块。
[0029]在本专利技术的一个实施例中，所述用例生成模块实现用户在线选择对应项目的AI模型以及配置基础信息的前端UI模块；
[0030]其中，在用例生成中，采用Monkey随机的策略，优先选择页面中从未被点击过的元素进行点击，以确保所有的路径都被覆盖到；以及
[0031]利用用例生成模块进行具体用例序列生成，并导出成Excel表单。
[0032]在本专利技术的一个实施例中，所述动态路径规划模块，以实现用例序列的生成。
[0033]在本专利技术的一个实施例中，所述用例执行模块用以加载测试用例序列Excel表单，根据所述表单中的用例序列，依次执行用例。
[0034]在本专利技术的一个实施例中，所述异常判断模块根据生成的所述用例序列，判断当前页面是否是序列中要求的页面，如果不是，则利用动态路径规划模块重新规划测试用例序列；如果是，则继续运行。
[0035]综上所述，本专利技术的用例生成的效率提升，自动生成基于页面覆盖性的测试用例，较之前需要投入多名自动化脚本开发工程师进行用例编写，缩短人力，用例运行的智能化提升，避免植入的测试软件对被测系统产生影响，通过纯黑盒的方法进行测试，更加能够模拟用户实际操作的情况，避免植入的测试软件存在的期间，对被测系统的性能造成的干扰，影响对产品质量的判断，避免植入的测试软件控制权遗留到用户手中，造成用户信息泄露的非常深远的影响。
附图说明
[0036]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0037]图1是本专利技术YOLO模型设计的结构示意图；
[0038]图2是本专利技术用例生成逻辑的结构示意图；
[0039]图3是本专利技术用例执行逻辑的结构示意图；
[0040]图4是本专利技术用例生成的页面逻辑关系图。
[0041]图5是本专利技术nodes形成关系树图。
具体实施方式
[0042]下面将参考附图并结合实施例，来详细说明本专利技术。
[0043]本专利技术的基于人工智能的车载电子产品的用例生成方法，通过Monkey的策略，在待测设备上进行随机点击，并将点击过程中的路径记录。随后采用欧拉回路等方式生成测试用例序列，并在序列执行过程出现异常时，重新规划测试序列。
[0044]实施例1
[0045]如图2所示，用例生成具体地包括步骤S1至S5：
[0046]S1：搭建执行机运行环境，调整被测设备位置，以使摄像头能够拍摄到全部屏幕。如图1所示，具体地，可以基于PyTorch的yolo模型，即可使用多层卷积、多次上采样和多层YOLO层的模型，例如可以使用十三层卷积、一次上采样和两层YOLO层的模型加深对小目标元素信息的识别能力，着重寻找元素中的按钮和文字信息，并将识别到的信息记录到缓存。
[0047]S2：选取合适的元素识别模型，例如可以选择Siamese的双子模型，并加载到GPU。
[0048]具体地，可以使用多层卷积、多次激活和多层归一化的双子模型，例如可以为五层卷积、五次激活和多五层归一化的双子模型，将送进去的两张图片，分别经过模型提取特征，进行图片是否存在相似性的比较。避免采用像素级对比，使得对页本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车载电子产品的用例生成方法，其特征在于，包括如下步骤：通过PyTorch的yolo模型来识别页面全部元素；通过Siamese的双子模型来判别页面是否出现；记录页面间的跳转关键和跳转需要点击的元素；以及根据欧拉回路和迪杰斯特拉算法思路，将页面跳转关系动态规划成可以连续执行的逻辑序列。2.根据权利要求1所述的用例生成方法，其特征在于：所述PyTorch的yolo模型包括如下步骤：使用多层卷积、一次上采样和多层所述yolo层的模型，加深对小目标元素信息的识别能力；着重寻找所述元素中的按钮和文字信息；以及将识别到的所述信息记录到缓存。3.根据权利要求1所述的用例生成方法，其特征在于：所述Siamese的双子模型包括如下步骤：使用多层卷积、多次激活和多层归一化的双子模型，将送进去的两张图片，分别经过模型提取特征，进行图片是否存在相似性的比较。4.根据权利要求1所述的用例生成方法，其特征在于：所述记录页面包括如下步骤：将页面A与页面B所需要点击的所述元素的编号记录下来；以及将从所述页面A跳转到所述页面B所述需要点击的所述元素的编号记录下来。5.根据权利要求1所述的用例生成方法，其特征在于：所述逻辑序列通过如下步骤生成：提供一个序列化的队列；以及将记录的所述信息串联起来，形成一个...

【专利技术属性】
技术研发人员：许根，周磊，曹伟，胡洁，张来玮，高晨，李俊炜，
申请(专利权)人：江苏明月智能科技有限公司，
类型：发明
国别省市：