本文介绍了如何应用AI技术在测试中寻找bug，选择了TensorFlow的CNN和OCR+LSTM模型进行图片和文本识别。通过模型重训练和图片处理（包括特殊截图管理和图片去重）提高识别准确率和人工甄别效率。利用层次聚类算法进行图片去重，以ward方法计算簇间距离，实现自动化测试工具的优化。
1.前言
闲鱼质量团队一直致力于交付高质量的app给用户，当前随着AI技术不断发展，TensorFlow大热，也给测试手段带来了更多种可能，本文接下来给大家介绍AI在闲鱼测试的一点实践：如何应用AI技术通过图片找bug。
2.模型选型
不需要理解业务就能发现的bug主要有整体页面空白、部分控件显示异常和文本异常这几类。对于整体空白图片，发现它们的共同特征是比较明显：大面积空白或者中心区域报错，所以选择使用TensorFlow搭建的简单CNN模型来识别正常图片和异常图片。对于文本异常这类包含乱码的图片，则是用OCR+LSTM建立了一个简单的汉字识别模型来识别图片中的文本内容后判断是否存在乱码。 训练以上模型的样本则来源于bug历史截图和mock的正向数据样本。
3.模型重训练——提高模型识别准确率
初始模型在训练时样本有限，但随着app不停更新迭代，图片检测样本数量的逐渐增多，会出现某些新页面被错误分类，要解决这类误报问题，亟需加入模型重训练。 显然靠人肉启动模型重训练并替换旧模型成本太高，所以在前端实现了个勾选图片去重训练的入口，通过Jen
最低0.47元/天 解锁文章
扫一扫
1109
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
