一种基于tesseract-orc的软件自动化测试方法及系统与流程

1.本发明一种基于tesseract-orc的软件自动化测试方法及系统，属于软件自动化测试技术领域。


背景技术：

2.目前针对于软件版本的快速迭代，使得软件测试的工作量也变得越来越大，大量重复冗余的测试工作，使人工测试的工作量变得巨大，而大多数企业采用的自动化测试系统还处于初级阶段，在测试软件功能过程中，存在图片库信息识别准确率低、检测识别时间长等问题；针对上述问题，探索研究一种可以合理高效、提升用户体验和测试效率的软件测试方法和系统很有必要。


技术实现要素：

3.本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种基于tesseract-orc的软件自动化测试方法及测试系统硬件结构的改进。
4.为了解决上述技术问题，本发明采用的技术方案为：一种基于tesseract-orc的软件自动化测试方法，包括以下测试步骤：步骤一：将待测的软件界面进行自动化截图，通过定位界面元素将截图图片进行切割；步骤二：对步骤一切割好的图片进行信息识别，将识别结果存储于界面信息数据库中；步骤三：将真实数据与步骤二中界面信息数据库的数据进行对比；步骤四：根据步骤三中的数据对比结果进行测试断言，输出测试结果推送至测试负责人；步骤五：将步骤一至步骤四实现的测试步骤作为预设脚本存储于定时任务中，对待测软件进行定时自动化测试。
5.所述步骤二中识别界面信息的具体步骤为：步骤2.1：将待识别图片分别输入本地识别服务器、云端服务器1中，由本地识别服务器输出识别结果a，由云端服务器1输出识别结果a1；步骤2.2：将步骤2.1中的识别结果a与a1进行对比，若a与a1相同，则更新本地识别服务器数据库并完成识别；若a与a1结果不同，则将待识别图片输入云端服务器2中，输出识别结果a2；步骤2.3：将步骤2.2中的识别结果a2与a1进行对比，若a2与a1相同，则更新本地识别服务器数据库并完成识别；若a2与a1不同，则向测试负责人发出操作提醒，要求进行人工介入输入正确识别结果，测试负责人更新本地识别服务器数据库并完成识别。
6.所述步骤二中对图片进行信息识别的具体方法为：由本地识别服务器采用卷积神经网络对原始图片做灰度、二值化、高斯滤波、进一
步分割的预处理，再将分割后的字符图片划分为训练集和测试集并进行训练，然后导出训练好的模型，并将预处理得到的图片导入tesseract软件中进行文字识别。
7.所述云端服务器1和云端服务器2具体采用不同厂商的api识别接口。
8.一种基于tesseract-orc的软件自动化测试系统，包括用于接收待识别图片数据的测试服务器，所述测试服务器通过通信线缆分别与tesseract本地服务器数据库、云端服务器相连；所述待识别图片通过测试服务器分发至tesseract本地服务器数据库、云端服务器进行信息识别；所述tesseract本地服务器数据库、云端服务器分别将识别结果返回于测试服务器进行判断和处理。
9.本发明相对于现有技术具备的有益效果为：本发明针对现有的软件自动化测试方法的不足进行改进，主要基于卷积神经网络优化的tesseract算法对图片进行识别，并将识别结果与云端服务器进行比对，从而判断当前测试软件的测试状态，能够解决软件测试中人工测试重复度搞、效率低、消耗时间长的问题，并提高了针对本地图片信息的识别准确率。
附图说明
10.下面结合附图对本发明做进一步说明：图1为本发明进行自动化测试的步骤流程图；图2为本发明进行图片信息识别的步骤流程图；图3为本发明自动化测试系统的结构示意图。
具体实施方式
11.如图1至图3所示，本发明具体提供一种基于tesseract-orc的软件自动化测试方法和系统，针对软件的自动化测试主要基于图片信息识别方法，通过卷积神经网络优化tesseract与软件测试结合，更新完善本地资源识别库，最后实现对待测软件的快速检测。
12.进一步的，本发明提供的基于tesseract-orc的软件自动化测试方法，主要包括以下测试步骤：一、将待测软件界面进行自动化截图，并通过界面元素定位将图片进行切割；二、将步骤一切割好的图片，进行信息识别，并将识别结果存储于界面信息数据库中；三、将真实数据与步骤二中界面信息数据库中的数据进行对比；四、通过步骤三中数据对比结果进行测试断言，输出测试结果，并通过邮箱将测试结果推送于软件测试工程师；五、将步骤一至四存储于定时任务中，可进行定时自动化测试，经过次程序运行后本地库完成更新，可断开云端服务进行离线识别并完成自动化测试。
13.在上述软件自动化测试方法中，针对步骤二的界面信息识别方法，具体包括如下步骤：（1）、将待识别图片分别输入本地识别服务，与云端服务1中，本地识别服务输出识
别结果a，云端服务1输出识别结果a1；（2）、将步骤1中a与a1进行对比，若a与a1相同，则更新本地库并完成识别；若a与a1结果不同，则将待识别图片输入云端服务2，输出识别结果a2；（3）、将步骤2中a2与a1进行对比，若a2与a1相同，则更新本地库并完成识别；若a2与a1不同，则自动提醒测试工程师进行人工介入输入正确识别结果，同时更新本地库并完成识别。
14.在上述软件自动化测试方法中，上述步骤（1）和（2）中本地识别服务采用卷积神经网络优化的tesseract程序，云端服务1采用百度api识别接口，云端服务2采用讯飞api识别接口。
15.本发明为实现上述软件自动化测试步骤中使用的测试系统，主要包括测试服务器、tesseract本地库以及云端服务器，在使用时，待识别图片通过测试服务器分发至tesseract本地库及云端服务器进行信息识别，本地库和云端服务将识别结果返回于测试服务器进行判断和处理。
16.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。


技术特征：
1.一种基于tesseract-orc的软件自动化测试方法，其特征在于：包括以下测试步骤：步骤一：将待测的软件界面进行自动化截图，通过定位界面元素将截图图片进行切割；步骤二：对步骤一切割好的图片进行信息识别，将识别结果存储于界面信息数据库中；步骤三：将真实数据与步骤二中界面信息数据库的数据进行对比；步骤四：根据步骤三中的数据对比结果进行测试断言，输出测试结果推送至测试负责人；步骤五：将步骤一至步骤四实现的测试步骤作为预设脚本存储于定时任务中，对待测软件进行定时自动化测试。2.根据权利要求1所述的一种基于tesseract-orc的软件自动化测试方法，其特征在于：所述步骤二中识别界面信息的具体步骤为：步骤2.1：将待识别图片分别输入本地识别服务器、云端服务器1中，由本地识别服务器输出识别结果a，由云端服务器1输出识别结果a1；步骤2.2：将步骤2.1中的识别结果a与a1进行对比，若a与a1相同，则更新本地识别服务器数据库并完成识别；若a与a1结果不同，则将待识别图片输入云端服务器2中，输出识别结果a2；步骤2.3：将步骤2.2中的识别结果a2与a1进行对比，若a2与a1相同，则更新本地识别服务器数据库并完成识别；若a2与a1不同，则向测试负责人发出操作提醒，要求进行人工介入输入正确识别结果，测试负责人更新本地识别服务器数据库并完成识别。3.根据权利要求2所述的一种基于tesseract-orc的软件自动化测试方法，其特征在于：所述步骤二中对图片进行信息识别的具体方法为：由本地识别服务器采用卷积神经网络对原始图片做灰度、二值化、高斯滤波、进一步分割的预处理，再将分割后的字符图片划分为训练集和测试集并进行训练，然后导出训练好的模型，并将预处理得到的图片导入tesseract软件中进行文字识别。4.根据权利要求2所述的一种基于tesseract-orc的软件自动化测试方法，其特征在于：所述云端服务器1和云端服务器2具体采用不同厂商的api识别接口。5.一种基于tesseract-orc的软件自动化测试系统，其特征在于：包括用于接收待识别图片数据的测试服务器，所述测试服务器通过通信线缆分别与tesseract本地服务器数据库、云端服务器相连；所述待识别图片通过测试服务器分发至tesseract本地服务器数据库、云端服务器进行信息识别；所述tesseract本地服务器数据库、云端服务器分别将识别结果返回于测试服务器进行判断和处理。

技术总结
本发明一种基于tesseract-orc的软件自动化测试方法及系统，属于软件自动化测试技术领域；所要解决的技术问题为：提供一种基于tesseract-orc的软件自动化测试方法及测试系统硬件结构的改进；解决该技术问题采用的技术方案为：将待测的软件界面进行自动化截图，通过定位界面元素将截图图片进行切割；对切割好的图片进行信息识别，将识别结果存储于界面信息数据库中；将真实数据与界面信息数据库的数据进行对比；根据数据对比结果进行测试断言，输出测试结果推送至测试负责人；将相应的测试步骤作为预设脚本存储于定时任务中，对待测软件进行定时自动化测试；本发明应用于软件自动化测试。化测试。化测试。


技术研发人员：刘治国 张霄 马苏娜
受保护的技术使用者：太原向明智控科技有限公司
技术研发日：2022.10.13
技术公布日：2022/12/30