软件测试自动化中的AI用于解决像验证挑战一样的人类。它提高了准确性,提高了回归测试,增加了测试覆盖范围并节省了时间和金钱。软件测试自动化的主要挑战是什么?这种创新方法将如何解决它们?该新闻通讯涵盖了用于为软件测试自动化供电的AI技术的概述。
AI动力软件测试自动化
在软件测试自动化中,我们经常发现测试方案,其中验证Web元素或其鼠标事件的存在不足以确保对应用程序功能的无缺陷实现。
在测试测试方案(例如在视频播放器中播放的视频验证,验证音频消息,缩放图像查看器的缩放功能,图像的亮度,机器人模拟器等,视觉或音频确认是必不可少的,以确保应用程序的应用是必不可少的,功能可根据需要工作。
通常,此类场景被标记为“不能自动化”,并在每个发行周期中都保留进行人体或手动验证。由于所需的体力劳动,这增加了整体成本和更长的回归周期。
诸如计算机视觉或语音分析(语音分析)之类的AI支持技术提供了可行的解决方案,可以在需要类似人类验证的情况下自动化此类测试方案。
基于AI验证的示例
假设我们想自动对视频播放器的变焦功能进行自动化。在存在“变焦”按钮的情况下,可以使用传统的Web驱动程序(如Selenium和Puppeteer)来验证其鼠标事件和属性。
我们如何验证在单击“缩放”按钮以及图像的正确部分放大时,图像正在缩放?
这些测试方案可以通过使用计算机视觉技术来验证。我们可以提供缩放图像作为计算机视觉引擎的输入,该输入将执行图像分析并根据所提供的测试要求验证图像。
为此,图像特征技术可用于生成图像向量并通过训练有素的AI模型运行以对图像进行分类。我们可以将该计算机视觉系统与UI自动化框架集成在一起,并在自动化套件中整体运行该系统。
验证对象或图像的最佳方法
- 轮廓分析方法应用于识别对象的形状并自动化边界框的验证。
- 使用Ramer -Douglas – Peucker(RDP)算法的轮廓近似值,可很好地近似轮廓形状到另一个具有更少顶点的形状。
- 为了验证两个对象是否重叠,请与高斯模糊操作员一起使用联合/交叉点操作。
- “ ret_tree”方法是一种易于使用的方法,用于提取对象的内部和外部轮廓并将其整理成树图以进行分析。
关键要点
- 可以通过将UI自动化框架与AI系统(例如计算机视觉/语音到文本)集成,可以实现需要类似人类的视觉和视听验证的应用程序功能/功能。
- 各种深度学习技术可用于图像特征和分类。
Qasource的AI自动化专业知识
在Qasource,我们在设计和构建AI测试自动化解决方案方面具有丰富的经验,该解决方案针对需要类似人类验证的软件应用程序/机器人模拟器。
我们使用Resnet,Alexnet和Onenet以及自定义深层神经网络(例如Resnet,Alexnet和Onenet)等各种CNN体系结构具有计算机视觉技术和深层神经网络的专业知识。
有建议吗?
我们很想听听您的反馈,问题,评论和建议。这将帮助我们下次使我们变得更好,更有用。
分享您的想法和想法knowledgecenter@qasource.com