水杯测试看测试

测试项目:杯子

测试项目:smart phone

需求测试:查看杯子使用说明书

需求测试:查看phone需求文档(在跟踪了几个项目以后,才发现需求并不是一成不变的,这是令测试比较头疼的,更要命的是most of the companies do not have requirements at all;另外需求也是人制定的那么也是有可能错误的,不知道您有没有提过需求方面的建议or bug

界面测试:查看杯子外观

界面测试:至于包装盒及说明书方面的暂时先不说了,只谈论一下phoneUI,颜色是否合适(字体颜色和底色是否太接近),是否有文字被遮挡,同级界面文字大小和字体是否相同

功能度:用水杯装水看漏不漏;水能不能被喝到

功能度:phone各个模块功能是否实现(其实这部分是手机测试的主要部分,却一言难尽,只能一笔而过)

安全性:杯子有没有毒或者细菌

安全性:phone的辐射强度、外壳材料

可靠性:杯子从不同高度落下的损坏程度

可靠性:记得在华为做测试的时候,同一部手机要求每个人插拔电池多少次,usb插拔多少次,后盖拆下装上多少次等;另外有专门的木桶转轮(其实我不知道叫什么,只是看到将手机扔到一个不停转动的方木头箱子)在做摔落测试。

  可移植性:杯子在不同的地方、温度等环境下是否都可以正常使用

可移植性:按照作者到理解来看,似乎想起了lenovolephone到时候遇到到一个问题,当时是冬天,从户外到单位办公室到时候经常死机,后来证明是温度由低骤然升高导致到问题。但似乎这个不属于移植性吧。。。

  兼容性:杯子是否能够容纳果汁、白水、酒精、汽油等

兼容性:手机测试过程中,遇到兼容性到地方大概有如下几个:耳机/蓝牙耳机/SIM卡,另外可能还会涉及到一些vcard文件到兼容性测试吧。

  易用性:杯子是否烫手、是否有防滑措施、是否方便饮用

易用性:这个应该包含两个方面吧。第一,手机硬件(外壳是否过松或过紧,USB cable是否容易链接,一些key是否容易按下和是否有明显手感);第二,UI方面(文字过长到时候是否是滚动显示)

  用户文档:使用手册是否对杯子的用法、限制、使用条件等有详细描述

用户文档:对应手机使用说明书吧,当时在huawei到时候做过类似到测试,遵循到原则就是说明书上有的功能手机必须实现,换句话说就是,手机没有到功能说明书一定不能写;另外有qwerty keyboard的手机要特别注意,不同的手机按键布局不同,要保证说明书和实际phone位置相对应,当时因为这件事情同事还写来个漏测报告。

  疲劳测试:将杯子盛上水(案例一)放24小时检查泄漏时间和情况;盛上汽油(案例二)放24小时检查泄漏时间和情况等

疲劳测试:姑且就对应以下几个方面吧。第一,手机电池待机时间。正常情况下待机;弱信号/无信号(放入屏蔽盒)待机;开启wifi/BT时的待机;第二,长时间通话测试;第三,长时间播放music。有点压力测试到味道

  压力测试:用根针并在上面不断加重量,看压强多大时会穿透

压力测试:当时华为到自动化测试主要是压力测试,内容有反复开启关闭BT/WIFI/飞行模式,反复拨打挂断电话,长时间通话,长时间播放music,随机到触屏事件(类似monkey),反复新建删除SMS/MMS/contacts

  跌落测试:杯子加包装(有填充物),在多高的情况下摔下不破损

跌落测试:和上面的有些交叉重复了:-)

  震动测试:杯子加包装(有填充物),六面震动,检查产品是否能应对恶劣的铁路\公路\航空运输

震动测试:……

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值