基于机器视觉的Web应用页面元素识别及可视化脚本生成

为了给用户提供丰富的交互响应,Web应用的可视化元素越发复杂多样,传统基于DOM的测试已不能满足Web应用的测试新需求。新一代基于机器视觉的测试方法为Web应用复杂元素的测试提供了一种有效途径。目前,此类方法主要依赖于模版匹配技术识别Web页面元素,以生成可视化测试脚本对Web应用进行测试。然而,页面元素外观的细微变化可导致模版匹配技术失效,从而无法识别Web页面元素,更无法生成可视化测试脚本。因此,如何提高基于机器视觉的Web页面元素识别的准确性,使其在复杂条件中仍然适用是一项具有挑战性的工作。基于深度学习的目标检测是当前计算机视觉和机器学习领域的研究热点,可通过大样本学习得到深层的数据特征表示,以准确识别目标,其泛化能力相比模板匹配更强。针对Web应用,从页面元素的视觉特征出发,提出了一种基于深度学习的Web页面元素识别方法,即利用基于深度学习的目标检测算法YOLOv3构建Web页面元素识别模型,自动定位元素的位置和边界,识别Web页面元素类型及功能描述;在此基础上,自动为Web应用生成可视化测试脚本,提升Web应用的测试效率。为了验证基于机器视觉的Web页面元素识别的准确性,针对同一Web应用的不同版本及不同Web应用分别进行实验,结果表明,基于机器视觉的Web页面元素识别模型的平均召回率为75.6%,可有效辅助Web应用可视化测试脚本生成。

软件探索性测试研究进展

探索性测试作为一种基于经验的软件测试思想或测试思维方式,在实际应用中不受具体的测试技术所拘束。首先阐述了探索性测试的主要特点、组织与实施过程、所能发现缺陷的特征状况;其次从被测对象的单个功能特性、多个功能交互特性、系统功能交互特性三个方面就探索性测试设计方法的分类以及当前国内外有关探索性测试的实际应用现状作研究性综述;最后提出了构建以探索性测试为主导的测试过程体系、可复用探索性测试用例的设计方法、以及在探索性测试中开展有效的文档标准化管理过程将是未来可能的、潜在的三个专题研究方向。

基于探索性测试的软件测试研究与实践

随着软件应用的发展,软件出现了推出快、变化频繁、接口杂、重体验、开放性等特点。为了适应这种变化,保证产品的质量,通过对"同时进行设计、测试和学习"的探索性测试进行研究,总结出几种可采用探索性测试的情况,并将探索性测试融入到传统的软件测试流程体系中。选取三个不同类型的项目进行实践来研究如何采用探索性测试方法开展软件测试工作。根据测试结果分析实施了探索性测试后发现的缺陷分布情况。研究结果表明,实施探索性测试能够发现更多功能性和易用性方面的缺陷,能够有效提高千行代码缺陷率,降低缺陷漏测率,提高产品质量。