申请/专利权人：南京邮电大学

申请日：2024-02-22

公开（公告）日：2024-04-12

公开（公告）号：CN117873893A

主分类号：G06F11/36

分类号：G06F11/36;G06V30/19;G06V10/75;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提出了一种基于深度学习的网页Canvas元素自动化UI测试技术，旨在解决传统Web测试方法在处理Canvas元素时的局限性。本发明结合YOLO与OCR技术，提出一种无脚本自动化测试方法。核心步骤包括：首先通过YOLO技术实现目标检测，结合OCR技术获取组件ID信息；其次基于目标检测结果构建组件结构树；然后通过组件结构树生成随机测试用例，并通过蜕变关系扩充测试用例。接着使用selenium执行页面操作，根据脚本文件中的ID信息定位组件。最后保存操作错误的用例，以及违反蜕变关系的测试结果信息。相较于传统测试方式，本技术具有更高的效率和精准性，能够有效应对Canvas元素的复杂性和动态性。

主权项：1.一种基于深度学习的网页Canvas元素自动化UI测试技术，其特征在于，包括以下步骤：1）目标检测与ID信息获取模块，充分利用YOLO与OCR技术各自的优点，对待测试页面内容进行检测，获取待测组件的位置信息和ID信息；2）组件结构树构建模块，通过目标检测获取到的组件信息结合通过DOM直接获取到的组件信息，构建组件结构树；3）测试用例生成模块，通过组件结构树自动生成随机测试用例，并通过脚本模板使用ID信息构建测试脚本文件，同时根据蜕变关系采取一定的突变策略实现对脚本的扩充；4）测试用例执行模块，结合检测的位置信息文件和脚本文件，使用selenium进行页面操作；5）结果保存模块，触发操作错误的用例以及原始用例和突变用例产生不一致结果的保存错误信息。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于深度学习的网页Canvas元素自动化UI测试技术

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD