[发明专利]基于人工智能的车载电子产品的用例生成方法和系统

说明书

本发明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。

技术领域

本发明涉及计算机软硬件测试技术领域，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。

背景技术

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。

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.

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。

发明内容

本发明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。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，所述逻辑序列通过如下步骤生成：