【软件测试】理论知识基础第一章

前言🏆 骗取自己的救赎,直到和染尘斑驳的玫瑰一起坠入深渊 🏆

一、认识软件测试

(1)什么是软件测试?

  • 概念: 使⽤技术⼿段验证软件功能是否符合需求;

二、常见的测试分类

(1)阶段划分

  • 单元测试:针对程序源代码进⾏测试(国内单元测试⼀般开发⾃测);
  • 集成测试:⼜称接⼝测试,主要针对模块与模块或系统与系统之间的接⼝进⾏验证;
  • 系统测试:针对软件全⾯进⾏验证(功能、兼容、⽂档);
  • 验收测试:使⽤内测、公测来实现(内测:公司内部进⾏测试;公测:让玩家来进⾏测试);

(2)代码可见度划分

  • 黑盒测试:主要针对功能(阶段划分→系统测试)
  • 灰盒测试:针对接⼝测试(阶段划分→集成测试)
  • 白盒测试:针对程序源代码进⾏测试(阶段划分→单元测试)

(3)扩展-总结

  1. 系统测试和⿊盒测试重点核⼼是功能测试
  2. 集成测试和灰盒测试⼜称接口测试
  3. 单元测试和⽩盒测试是对代码进⾏测试;
  4. ⾃动化测试归属功能测试
  5. 性能测试、安全测试归属专项测试

😆测试策略😆:冒烟测试:⼤规模执⾏测试之前,针对程序主功能进⾏验证,保证程序具备可测性。
😆面试题😆:提测标准时什么?–冒烟测试通过!测试之前要怎么做?–冒烟测试


三、模型

(1)质量模型

  • 功能性:功能满足需求;
  • 性能效率:性能满足实际需求;
  • 兼容性:软件能与主流硬件和软件兼容;
  • 易用性:便于使用;
  • 可靠性:性能和功能应用可靠;
  • 信息安全:信息在传输或者存储过程的安全程度;
  • 可维护性:便于维护;
  • 可移植性:具备迁移和便捷性;

(2)W模型

😆说明😆:W模型简称“双V”模型,即以开发主导的一个“V”和以测试主导的另一个“V”构成;

😀W模型的优点😀:

  • 开发强调测试伴随着整个软件开发周期,而且测试的对象不仅仅是程序,需求和概要设计同样要测试;
  • 更早地接入测试,可以发现开发初期的缺陷,那么可以用更加低的成本进行缺陷修复;
  • 同样是分阶段的工作,便于控制项目过程;

😓W模型的缺点😓:

  • 使用起来技术复杂度很高,对于需求和设计的测试要求很高,实践起来困难;

四、软件测试流程

(1)需求分析

  • 前提:阅读1遍需求⽂档,记录不明确之处;
  • 参与⼈员:前端、后端、测试、产品;
  • ⽬的:1. 确保各部⻔需求理解⼀致;2. 各⻆⾊对需求进⾏查漏补缺;3. 了解软件有些功能;
  • 提示:需求分析阶段→软件还未实现(刚⽴项);

(2)计划编写

  • 说明:指导测试执⾏的⽂档(重要);
  • 测什么(⽬标、范围);
  • 谁来测(⼈员进度及安排);
  • 怎么测(测试⼯具、测试策略);

(3)用例设计

  • 说明:保证能准确验证软件测试点执⾏的⽂档;
  • 流程:1. 分析需求;2. 提取测试点;3. 设计⽤例覆盖测试点;

(4)用例执行

  • 说明:实施测试;

(5)缺陷管理

  • 说明:提交→验证→关闭;

(6)测试报告

  • 说明:测试⽬标、测试过程、缺陷统计、缺陷分析、测试总结

五、测试用例

  • ⽤例:用户使用的案例;
  • 测试⽤例:执行测试的⽂档(⽤户使⽤的案例);
  • 考虑点:质量模型(功能、性能、兼容、易⽤、安全);
  • 作⽤:1. 防⽌漏测;2. 实施测试标准;

(1)测试用例八大要素编写规范

  • 用例编号:项目+模块+编号;
  • 用例标题:预期结果+操作步骤;
  • 模块/项目:所属项目或者模块;
  • 前置条件:要执行此条用例,有哪些前置条件;
  • 优先级:表示用例的重要程度或者影响力P0~P4(P0最高);
  • 测试步骤:描述测试步骤;
  • 测试数据:操作的数据,没有的话可以为空;
  • 预期结果:期待达到的结果;

六、总结

😝 我会坚持一直更新呢!喜欢的朋友们记得点点赞哦!有问题的小伙伴可以在下面评论区留言哦! 😝

  • 14
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 14
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论 14
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

打赏作者

battledao eternity

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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