智能化测试服务中台的功能及在不同场景的应用

本文涉及的产品
教育场景识别,教育场景识别 200次/月
通用文字识别,通用文字识别 200次/月
车辆物流识别,车辆物流识别 200次/月
简介: 智能化测试服务中台的功能及在不同场景的应用

1.gif

互联网产品的上线周期短、迭代速度快,为了促使测试工具更有效地替代人工,智能化测试成为一种新的趋势。目前智能化测试主要是将现有AI智能技术融入在不同测试环节,让每个环节以更智能的方式完成质量保障。但是这种碎片化的智能化很难聚焦于适用测试行业的智能技术的提升,因此我们建立了首套专注于为测试行业提供智能化服务的中台方案Sophia智能化测试服务平台,打造专门为测试行业提供高精度、高可靠智能测试服务的研发、管理平台。平台在2021年CSDI中国软件研发管理行业技术峰会首次曝光,在商家、消费者体验升级多个项目中提供技术支持,为集团内部多个BU提供算法服务,累计调用次数超过4亿次。

本文将介绍Sophia智能化测试服务平台具备的能力以及如何为不同测试场景提供智能化测试服务的。

image.png

提供海量智能化测试服务能力,降低AI应用成本

在智能技术快速发展的潮流下,涌现出很多的AI算法,我们测试工程师想要有一个较系统的AI算法知识体系,这个学习成本是非常高的。比如我们为了做弹窗的检测,可以尝试传统CV图像匹配算法,也可以选择目标检测算法。然而目标检测算法种类又非常多,有检测速度快的,有精度高的,我们就需要学习了解YOLO(有多个版本)、RCNN、Fast-RCNN、Faster-RCNN、SSD等诸多算法。

此外,多样的测试场景可能会需要相同的基础算法支持,从而导致在算法应用上重复造轮子非常严重。如下图中的案例,A同学在做自动化测试的时候希望工具可以支持识别文字图标的能力,经过一番调研后发现OCR技术非常适用,便选择这个方案;B同学做舆情分析的工具发现用户反馈中图片非常关键,比如图片里面的时间可以帮助我们更快速精准的找到用户出问题的时候日志表现,要提炼出图片中一些关键文字也需要OCR技术的支持;C同学做弹出处理工具的时候,希望在找到弹窗之后能够分析弹窗内容,那就需要OCR技术先把内容文字提取出来再分析;D同学做图片巡检的时候需要确定图片中是否存在一些必要内容,也需要借助OCR技术提取文本。虽然是这几个测试同学在完成四个完全不同的测试工具,但最根本上要做的事情是一致的,就是从图片中提取文字,是完全可以复用同一个技术能力的。而现在每个人都需要找一个OCR算法加入自己的系统,就带来很大的资源浪费和时间成本。

image.png

为了解决AI技术复杂多样、学习成本高和重复造轮子的问题,将AI算法较好地应用于测试领域,Sophia平台集成了30+AI算法能力,并针对不同测试场景设计实现不同的智能化服务能力。Sophia平台对于算法能力和服务能力进行分层:一部分是基础算法能力维护,这里集合了像目标检测、文本识别、时序分析、文本分类等基础算法模型,并且对各算法进行细粒度拆分便于复用;另一部分则是基于多个基础算法专门针对不同测试场景问题设计的智能化服务,比如有针对自动化测试的元素识别服务、针对系统监控的智能预测服务等。

Sophia平台算法服务能力如下图所示:

image.png

提供算法服务可视化体验能力,快速完成技术选型

为了在测试场景中能够较好地融入智能技术,快速完成技术选型是一个非常大的挑战,有时候为解决一个小问题可能需要调研很多的算法,尝试算法模型在目标测试场景下是否具有预期的表现,这个实验的过程需要花费的成本是巨大的。

因此,Sophia智能化测试服务平台不仅提供智能测试服务能力,还给出了服务适用场景参考,并通过建立在线交互体验能力,让使用者直观感受算法效果,并且可以上传自己的数据进行实验,快速确定技术是否适用于所需场景。

下图是弹窗处理服务的介绍页面,分别展示了服务的简介、技术文档、适用场景推荐以及功能在线体验展示。

image.png

提供算法一站式开发、部署和管理能力

为了能够将算法更好地应用到测试行业的不同场景,大多时候需要我们对算法进行开发改造。我们想对算法进行改造,首先要做的就是把一个开源算法在机器上先运行起来,而这个过程往往不会是非常顺利的。一方面需要我们安装很多的依赖包,修改一些基本的配置之后才能运行;另一方面这些算法对系统环境、依赖版本都是不同的,我们几乎不可能在一套环境下完全兼容所有的AI算法。这些问题给算法应用带来很大的困扰,并且我们也很难在短时间内快速验证算法是否是满足需要的。

为了解决算法的开发、部署难题,让大家更多关注于如何提升算法能力,让算法更好地在测试场景应用,我们专门提供了一套算法在线开发、管理能力,并且对于部署好的算法可以快速生成智能测试服务供需求方调用,目前支持http服务和集团内部HSF服务一键生成。

如下图,我们可以将算法镜像上传、部署。

image.png

算法部署成功后,可以将算法注册为基础算法,如下图:

image.png

接下来就可以生成自己的智能化测试服务能力了,支持拖拽式操作和代码编写,同时可以在生成服务的时候使用平台已有的基础算法能力,如下图所示。

image.png

提交后,便可生成对应的测试服务接口,通过指定算法id和约束参数就可以开始调用了。我们还提供调用大盘数据,统计算法的调用情况。

image.png

 案例分享

  • 为双十一大促主互动活动提供智能化测试服务能力

在今年双十一大促保障期间,Sophia平台首次与大促主互动喵糖活动合作,大家如果玩过喵糖一定会记得下图里面的浏览会场得奖励的关键环节,为了检测页面中是否正确的展示浏览得奖励提醒,我们提供了图像质量巡检能力,替代人工检测,极大提升测试效能。

image.png

  • 算法部署、管理能力助力产研合作算法快速落地应用

在推动智能化测试发展的过程中,我们还跟北京大学谢涛教授团队一起合作探索新的智能测试方向,Sophia平台担任了产研结合研究成果落地平台的角色,把最新研究的算法能力快速部署并实现服务化,保证算法研究结果快速在实际业务中应用。

目前已经完成智能探索测试服务、智能验证服务的部署应用,除了整体功能服务化之外,我们还拆分了一些子算法能力进行部署管理,比如给定一张APP截图,我们可以进行元素分割,如下图所示,该算法能力在多种测试场景中应用。

image.png

总结展望

在推动测试智能化的过程中会面临算法学习成本高、重复造轮子现象严重和算法开发、部署成本高等问题。为解决这些问题,我们打造了一个专门为测试行业提供高精度、高可靠智能测试服务的研发、管理平台Sophia智能化测试服务平台。

Sophia平台为多种测试场景提供智能化服务、支持测试服务功能在线体验,具有算法一站式开发、部署、管理能力,并且可以对不同测试场景数据集分类管理。

随着Sophia平台服务能力日渐完善,我们希望通过提供丰富智能化测试服务加速行业向智能化方向发展。目前,平台部分能力已经对外开放,后续会陆续公开更多能力,也欢迎大家更多地接入合作

目前平台开放链接:sophia.alibaba.com

相关文章
|
2天前
|
编解码 测试技术 开发工具
测试 iPhone 应用在不同屏幕尺寸和分辨率下的响应式效果
【10月更文挑战第23天】测试 iPhone 应用在不同屏幕尺寸和分辨率下的响应式效果是确保应用质量和用户体验的重要环节。通过手动测试、自动化测试、视觉效果评估、性能测试、用户体验测试等多种方法的综合运用,能够全面地发现应用在响应式效果方面存在的问题,并及时进行解决和优化。同时,持续的测试和优化也是不断提升应用质量和用户满意度的关键。
|
17天前
|
运维
【运维基础知识】用dos批处理批量替换文件中的某个字符串(本地单元测试通过,部分功能有待优化,欢迎指正)
该脚本用于将C盘test目录下所有以t开头的txt文件中的字符串“123”批量替换为“abc”。通过创建批处理文件并运行,可实现自动化文本替换,适合初学者学习批处理脚本的基础操作与逻辑控制。
115 56
|
11天前
|
监控 测试技术 持续交付
掌握跨平台测试策略:确保应用的无缝体验
【10月更文挑战第14天】在多元化设备和操作系统的今天,跨平台测试策略成为确保应用质量和性能的关键。本文探讨了跨平台测试的重要性、核心优势及实施步骤,涵盖Web、移动和桌面应用的测试方法,帮助开发者提高应用的无缝体验。
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的创新应用与实践###
本文旨在探讨人工智能(AI)技术如何革新软件测试领域,提升测试效率、质量与覆盖范围。通过深入分析AI驱动的自动化测试工具、智能化缺陷预测模型及持续集成/持续部署(CI/CD)流程优化等关键方面,本研究揭示了AI技术在解决传统软件测试痛点中的潜力与价值。文章首先概述了软件测试的重要性和当前面临的挑战,随后详细介绍了AI技术在测试用例生成、执行、结果分析及维护中的应用实例,并展望了未来AI与软件测试深度融合的趋势,强调了技术伦理与质量控制的重要性。本文为软件开发与测试团队提供了关于如何有效利用AI技术提升测试效能的实践指南。 ###
|
14天前
|
机器学习/深度学习 弹性计算 自然语言处理
前端大模型应用笔记(二):最新llama3.2小参数版本1B的古董机测试 - 支持128K上下文,表现优异,和移动端更配
llama3.1支持128K上下文,6万字+输入,适用于多种场景。模型能力超出预期,但处理中文时需加中英翻译。测试显示,其英文支持较好,中文则需改进。llama3.2 1B参数量小,适合移动端和资源受限环境,可在阿里云2vCPU和4G ECS上运行。
|
22天前
|
Web App开发 敏捷开发 Java
自动化测试框架的选择与应用
【10月更文挑战第4天】在软件开发的海洋中,自动化测试如同一艘航船,帮助开发者们快速穿越测试的波涛。选择适合项目的自动化测试框架,是确保航行顺利的关键。本文将探讨如何根据项目需求选择合适的自动化测试框架,并分享一些实用的代码示例,助你启航。
|
26天前
|
测试技术
Appscan手工探索、手工测试功能实战
Appscan手工探索、手工测试功能实战
|
26天前
|
敏捷开发 测试技术 持续交付
自动化测试框架的选择与应用
在软件开发的海洋中,自动化测试犹如一座灯塔,指引着质量保证的方向。本文将探讨如何根据项目需求选择适合的自动化测试框架,以及在实际工作中如何有效应用这些框架来提升软件质量和开发效率。我们将从框架的基本概念出发,逐步深入到框架选择的标准,最后通过实际案例分析,展示自动化测试框架的应用效果。
|
2月前
|
数据采集 人工智能 自然语言处理
软件测试中的人工智能应用与挑战
本文探讨了人工智能在软件测试中的应用及其所面临的挑战。通过分析AI技术如何优化测试流程、提高测试效率以及目前存在的局限性,文章提供了对软件测试未来发展趋势的深入思考。
36 1
|
16天前
|
机器学习/深度学习 数据采集 人工智能
软件测试中的人工智能应用与挑战
【10月更文挑战第10天】 在当今信息技术飞速发展的时代,软件系统日益复杂且多样化,传统的手工测试方法已无法满足快速迭代和高效发布的需求。人工智能(AI)技术的引入为软件测试领域带来了新的希望和机遇。本文将探讨人工智能在软件测试中的应用现状、所面临的挑战以及未来的发展趋势,旨在启发读者思考如何更好地利用AI技术提升软件测试的效率和质量。
31 0