[发明专利]基于深度信念网络的UI自动化测试方法、存储介质

说明书

本发明提供基于深度信念网络的UI自动化测试方法、存储介质，方法包括：输入DBN网络的待测试图像经过RBM训练后，获取其中所有的特征信息；输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；匹配所述学习结果与标准图像信息。本发明不仅能够显著提高UI自动化测试的效率，同时大大降低实施测试的难度；而且能减少所需投入的成本，提高收获比；可适用于任意UI的自动化测试，从而同时具备高复用性和普适性。

技术领域

本发明涉及软件测试领域，具体涉及基于深度信念网络的UI自动化测试方法、存储介质。

背景技术

现有的软件测试技术中针对UI自动化测试的方案为，依据页面的元素使用python或java等语言，在框架中编写一套自动化代码进行识别。识别过程为通过识别页面元素的特征(id、属性classname、实例xpath等)进行点击触发行为来进行操作，并通过assert函数进行判断是否与给定的预计结果一致；当有错误时，页面停止进行UI自动化并输出log，当正确时会把所写的脚本完成来确认测试通过。

但是上述UI自动化测试方案存在以下问题：(1)需要所测内容保持长期的页面稳定性，否则，当页面发生变化或软件停止使用时，维护成本较高；(2)由于每次编写UI自动化需要对页面每个元素进行确认是否存在，需要在编写投入较多工时人力，当软件生命周期不长时，很容易造成投入收获比增高；(3)编写UI自动化需要掌握一些脚本语言，比如python、java等，对于普及并无法做到很好，需要投入时间进行学习；(4)不同的页面编写UI自动化需要的操作要求不同，H5页面的编写和原生页面编写所需技术和框架可能不一致，导致学习周期变长。

发明内容

本发明所要解决的技术问题是：提供基于深度信念网络的UI自动化测试方法、存储介质，实现测试实现难度以及投入成本的同时降低。

为了解决上述技术问题，本发明采用的技术方案为：

基于深度信念网络的UI自动化测试方法，包括：

输入DBN网络的待测试图像经过RBM训练后，获取其中所有的特征信息；

输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；

匹配所述学习结果与标准图像信息。

本发明提供的另一个技术方案为：

一种计算机可读存储介质，其上存储有计算机程序，所述程序在被处理器执行时，能够实现上述基于深度信念网络的UI自动化测试方法所包含的步骤。

本发明的有益效果在于：通过本发明，只需将设计的标准页面信息作为DBN网络的标准标注信息，将开发完成的新页面作为待测试图像输入到DBN网络中，便可高效、高精度、自动地完成对新页面的测试。具体的，不仅无需再费时费力地编写和维护复杂的脚本，由此显著提高UI自动化测试的效率，同时大大降低实施测试的难度；而且能减少所需投入的成本，提高收获比；更重要的是，通过便捷性地修改输入和标准标注信息，便可适用于任意UI的自动化测试，从而同时具备高复用性和普适性。

附图说明

图1为本发明实施例一种基于深度信念网络的UI自动化测试方法的流程示意图；

图2为本发明实施例一至实施例三的方法流程示意图；

图3为本发明实施例二的待测试图像的示意。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明最关键的构思在于：融合DBN网络，利用其中的RBM训练和BP神经网络学习，高效且准确地自动完成对UI的测试。

本发明涉及的技术术语解释: