本发明涉及软件应用测试，尤其涉及一种用于软件应用自动化智能测试系统及方法。
背景技术：
1、软件应用自动化智能测试是指利用人工智能技术来改进和加速软件测试过程的方法。这种测试方法结合了自动化测试和人工智能技术，旨在提高测试效率、减少人为错误，并帮助开发团队更快地发现和解决软件中的问题。自动化智能测试可以利用各种人工智能技术，例如机器学习、自然语言处理和计算机视觉，来改进软件测试的各个方面；其中包括以下方面：智能测试用例生成：利用机器学习技术，可以自动生成测试用例，减少手动编写测试用例的工作量，并增加测试覆盖范围；智能缺陷检测：通过机器学习算法，可以自动检测潜在的软件缺陷或异常行为，帮助测试团队更快地识别问题；智能测试执行：利用自动化测试工具和人工智能技术，可以实现更快速、更可靠的测试执行，包括自动化回归测试和性能测试；智能测试数据生成：通过机器学习技术生成符合真实场景的测试数据，帮助测试人员更全面地评估软件的性能和稳定性；智能缺陷分析：利用自然语言处理和数据分析技术，可以更快速地分析测试结果，发现潜在的问题模式和趋势。
2、现代软件应用的用户界面往往非常复杂，包含大量动态生成的元素，传统的自动化测试工具通常通过固定的元素定位机制（如id或xpath）来识别界面元素。然而，随着ui元素的动态变化、加载延迟、以及网络波动等问题，传统定位方式往往容易失败，导致测试无法稳定运行。软件界面元素加载时间的差异性，使得传统的静态等待机制不再适用，过短的等待时间可能导致测试失败，过长的等待时间则会大大降低测试效率，因此，如何根据实际环境动态调整等待时间成为一大挑战。
技术实现思路
1、基于此，本发明有必要提供一种用于软件应用自动化智能测试系统及方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种用于软件应用自动化智能测试方法，包括以下步骤：
3、步骤s1：对待测软件进行测试环境参数获取，并进行动态等待时间基准值计算，生成等待机制配置数据；基于等待机制配置数据对软件应用的用户界面进行元素定位信息采集以及元素定位策略生成，得到元素定位配置数据；根据元素定位配置数据以及等待机制配置数据进行条件等待策略处理，生成条件等待映射数据；
4、步骤s2：根据条件等待映射数据进行视觉ai辅助定位处理，生成视觉定位特征数据；根据预设的性能感知等待策略数据对视觉定位特征数据进行模糊匹配策略组合，生成动态元素识别数据；
5、步骤s3：对元素定位配置数据进行定位成功率分析，并对动态元素识别数据进行基于智能重试机制的自适应定位策略调整，生成自适应定位策略数据；
6、步骤s4：根据等待机制配置数据进行测试用例优先级划分，得到测试用例优先级数据；将视觉定位特征数据与测试用例优先级数据进行测试场景映射，并进行测试覆盖率分析，生成动态测试覆盖控制数据；
7、步骤s5：根据自适应定位策略数据对测试用例优先级数据进行测试执行顺序调整，得到测试执行顺序数据；利用测试执行顺序数据、动态测试覆盖控制数据以及等待机制配置数据对软件应用进行自动化测试执行，从而生成自动化测试报告数据。
8、本发明通过对待测软件的测试环境进行参数获取（如操作系统、硬件配置、网络环境等），可以确保测试过程的环境参数准确无误，从而提高测试结果的可靠性。动态等待时间基准值计算可以根据硬件和网络环境的变化自动调整等待时间，避免不必要的长时间等待或因等待时间过短导致的失败，提高了测试效率。等待机制配置数据的生成能够使测试系统灵活适应不同的运行环境，确保自动化测试在多样化场景下都能顺利执行。基于条件等待映射数据，结合视觉ai辅助定位处理，能够高效地识别界面元素，即使在元素位置、形状或其他视觉特征发生微小变化时，也能确保定位的准确性。模糊匹配策略通过允许一定的匹配容差，可以进一步减少由于界面微小变化导致的误判或失败，从而提高了测试的鲁棒性和成功率。动态元素识别数据能够根据系统性能的变化自动调整识别策略，保证在不同系统和网络条件下的高效操作。通过对元素定位配置数据的历史分析，可以识别出低成功率的定位策略，避免多次失败的策略被重复使用。智能重试机制可以在失败时灵活调整重试次数或策略，减少不必要的资源消耗。自适应定位策略可以根据测试的实时情况进行动态调整，提高了自动化测试的适应性，使系统在遇到复杂或不稳定的界面环境时，仍然能够准确完成元素定位，保障测试的稳定性。通过对测试用例进行优先级划分，系统能够先执行关键性或高风险的测试用例，确保在有限的测试时间内最大化发现潜在问题。基于视觉定位特征数据的测试场景映射，能够实现测试场景与视觉特征的智能匹配，确保不同测试场景的覆盖率。覆盖率分析能够帮助测试人员了解哪些功能和界面元素已经被充分测试，确保测试的全面性，避免遗漏关键测试场景，从而提高测试的覆盖率和可靠性。根据自适应定位策略数据和测试执行顺序数据调整测试顺序，确保系统能够合理分配资源，最大限度地并行执行测试用例，缩短测试执行时间。动态测试覆盖控制数据使测试过程能够自适应不同测试条件，避免资源的浪费。自动化测试报告的生成可以对测试执行过程中的所有步骤、失败原因、性能数据等进行全面统计分析，为开发人员提供详细的反馈，帮助快速定位问题，提高软件的质量和稳定性。
9、本发明还提供一种用于软件应用自动化智能测试系统，用于执行上述的用于软件应用自动化智能测试方法，所述用于软件应用自动化智能测试系统包括：
10、元素定位模块，用于对待测软件进行测试环境参数获取，并进行动态等待时间基准值计算，生成等待机制配置数据；基于等待机制配置数据对软件应用的用户界面进行元素定位信息采集以及元素定位策略生成，得到元素定位配置数据；根据元素定位配置数据以及等待机制配置数据进行条件等待策略处理，生成条件等待映射数据；
11、智能识别模块，用于根据条件等待映射数据进行视觉ai辅助定位处理，生成视觉定位特征数据；根据预设的性能感知等待策略数据对视觉定位特征数据进行模糊匹配策略组合，生成动态元素识别数据；
12、自适应优化模块，用于对元素定位配置数据进行定位成功率分析，并对动态元素识别数据进行基于智能重试机制的自适应定位策略调整，生成自适应定位策略数据；
13、场景规划模块，用于根据等待机制配置数据进行测试用例优先级划分，得到测试用例优先级数据；将视觉定位特征数据与测试用例优先级数据进行测试场景映射，并进行测试覆盖率分析，生成动态测试覆盖控制数据；
14、执行控制模块，用于根据自适应定位策略数据对测试用例优先级数据进行测试执行顺序调整，得到测试执行顺序数据；利用测试执行顺序数据、动态测试覆盖控制数据以及等待机制配置数据对软件应用进行自动化测试执行，从而生成自动化测试报告数据。
15、本发明通过动态等待时间基准值的计算，系统能够精确判断每个元素的加载时间，从而避免因元素未加载完全而导致的定位失败。合理的元素定位策略可有效减少无效的等待时间和操作，从而加快测试执行速度，提升整体测试效率。条件等待策略的处理确保测试能够在不断变化的用户界面和网络环境中灵活应对，增强测试的鲁棒性。视觉ai辅助定位能够提高元素识别的准确性，尤其是在复杂或动态变化的用户界面中，减少人工干预的需求。通过性能感知等待策略的数据结合模糊匹配，系统能够在不同性能环境下进行灵活的元素识别，提高测试的适应性和灵活性。定位成功率分析为定位策略的优化提供了可靠的数据支持，使得测试过程更加高效和有效。自适应定位策略调整通过智能重试机制确保即使在不稳定的测试环境中，也能提高元素定位的成功率，降低测试失败的风险。根据测试用例的重要程度和执行条件划分优先级，有助于集中资源于最重要的测试用例，提升测试效果。通过测试覆盖率分析，确保测试用例能够覆盖所有功能和场景，提高了测试的全面性和有效性，帮助识别潜在的风险区域。通过对执行顺序的调整，最大限度地减少了测试执行时间，提高了测试效率。自动化测试报告的数据为项目管理提供了实时反馈，帮助团队快速识别问题和改进测试流程，从而提高软件质量。
1.一种用于软件应用自动化智能测试方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于软件应用自动化智能测试方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的用于软件应用自动化智能测试方法，其特征在于，步骤s12包括以下步骤：
4.根据权利要求3所述的用于软件应用自动化智能测试方法，其特征在于，步骤s16包括以下步骤：
5.根据权利要求4所述的用于软件应用自动化智能测试方法，其特征在于，步骤s166包括以下步骤：
6.根据权利要求5所述的用于软件应用自动化智能测试方法，其特征在于，步骤s2包括以下步骤：
7.根据权利要求6所述的用于软件应用自动化智能测试方法，其特征在于，步骤s3包括以下步骤：
8.根据权利要求7所述的用于软件应用自动化智能测试方法，其特征在于，步骤s4包括以下步骤：
9.根据权利要求8所述的用于软件应用自动化智能测试方法，其特征在于，步骤s5包括以下步骤：
10.一种用于软件应用自动化智能测试系统，其特征在于，用于执行如权利要求1所述的用于软件应用自动化智能测试方法，所述用于软件应用自动化智能测试系统包括：
