Page 17 - 网络电信2023年3月刊

运营商专栏

以人工能力的局限性会对工作造成影响。同时，普遍案例显示 不断调试，根据结果对每次调试后的模型有效性进行判断，即
自动化测试在不断的运行当中存在脚本维护时间过长、控件元 如果能输出合格的结果，就说明神经网络调试完成；②使用
素定位不准确、上手使用难度较大等缺陷，还不具备大数据处 Python语言进行人工智能编程，即结合Python标准库，使用
理能力，运作效率很低。其次，移动终端自动化测试过程中经 Python开源库requests等进行编程，实现数据分析功能。在以
常会出现一些问题。例如因为不断的调试使得版本频繁更新迭 上思路下，本文对人工智能技术下的移动终端自动化测试系
代，而每次版本更新都会导致上一次的坐标点击方案不适用， 统进行了初步检测，结果显示在人工智能技术作用下，测试系
所以需要不断地进行适配；在UI界面为图片时，因为元素属性 统的数据处理能力大幅提升，可以在短时间内处理海量数据，
不能识别而导致UI控制操作无法展开；模拟用户行为时，主要 且处理输出结果的准确度很高，同时也具备提取文字信息、识
使用的图像匹配方法不能提取文字信息，导致结果分析难以进 别图像信息等功能，解决了以往纯粹自动化测试的缺陷与问题
行等。可以看出，移动终端自动化测试现已无法满足人们的需 [3] 。
求，需要得到改进。 3.2 运用优势
2.2 移动终端自动化测试与智能技术的关系 人工智能技术在移动终端自动化测试中的运用优势主要体
因为移动终端自动化测试存在缺陷，所以已经有研究人员 现在以下两个方面。
为了改进缺陷而展开了研究工作，而多数研究工作都是围绕人 （1）人工智能技术具有极强的数据处理能力，无论是性能
工智能技术展开的，根本目的是通过智能技术弥补自动化测试 还是功能都远超自动化测试系统。人工智能最初的开发目标就
的缺陷，但要做到这一点就必须了解两者之间的关系。现有研 是用于处理大数据，而大数据的基本特征就是数据量级庞大，
究得出了一些结论。例如，移动终端自动化测试在自身不断运 因此从技术开发初期，人们对该项技术的基本要求就是必须具
作中会产生大量的数据，这些数据可以作为输入元进入智能系 备高效处理海量数据的能力。经过长年累月的开发，该项技术
统，使得智能系统得到训练，一段时间之后智能系统就能对实 早已具备了这种能力，能够在几十秒内对百万MB甚至亿级的数
际情况进行识别，并给出决策建议，说明两者关系紧密，移动 据进行处理，且能够保障处理结果稳定，之后的各项人工神经
终端自动化测试是智能技 网络技术都保留了这一特
术训练要素的来源，而智 性，而这些无论是人工还是
能技术则可以给自动化测 自动化系统都无法做到，这
试相应的逻辑支撑。在此 也是导致传统自动化测试存
基础上，人工智能技术的 在缺陷的主要原因之一。
介入将大幅降低移动终端 （2）人工智能技术具
自动化测试对人工的依赖 备自主学习能力，该能力是
度，因此人工能力的局限 智能技术与自动化技术最大
性对于测试工作的影响力 的区别。自动化技术不具备
会大幅降低，使得工作效 自主学习能力，因此只能按
率提升、工作质量更加稳 照预先设定好的流程运作，
定。同时，人工智能强大 但预先设定好的流程无法覆
的数据信息分析能力，可 盖所有应用场景，每次遇到
以弥补移动终端自动化测 新场景就需要人工重新设计
试中的相关缺陷，解决当 流程，这个过程非常繁琐，
前的重点问题，例如人工 会导致自动化测试无法应用
智能可以随着软件版本更 于新场景；而智能技术将通
新而自动改变坐标点击方 过自主学习功能，快速分析
案，自主消除坐标点击方 新场景的特征，然后在不断
案不适配的影响，且方案 的训练当中得出适合新场景
[2]
的改变无需人工插手 。 的运作逻辑、方案等，这样就能生成符合当下场景的逻辑，过
程无需人工插手，且效率极高。
三、移动终端自动化测试中人工智能技术的 3.3 运用方法
具体应用 移动终端自动化测试当中，需要相关人员掌握人工智能技
3.1 运用准备 术的运用方法，本文以图像、
为了发挥人工智能技术的作用，解决移动终端自动化测 文字识别为例，介绍一种以卷积神经网络为基础的图文识
试中的问题，需要先做好自动化测试中人工智能技术的运用准 别方法，具体内容如下。在移动终端自动化测试当中会遇到很
备工作。对此按照本文思路：以Python语言编程平台为基础， 多产品类型，同时每一类产品都会不断进行版本更新，要对其
择卷积神经网络模型用于识别文字、图像，展开了两项准备工 进行测试就要借助特定的技术手段。传统的做法是通过UIdump
作。①对卷积神经网络的输入属性（参数值、阈值等）进行 去采集自动化测试的界面控件元素，再根据各项控件元素的属

30 网络电信 二零二三年四月