面向可视化交互应用的智能测试技术

广大用户通过与移动应用的图形化界面交互获取相关服务。移动应用能否提供高质量服务是影响用户体验、移动应用市场占有率的关键。图形化交互模式驱动下的移动应用测试是保障其服务质量的关键手段，但相关测试工作需要消耗海量人力物力。众多厂商也投入大量资源，组建专门的测试部门或自动化测试研发部门。相关技术研究也是当前国际研究的前沿热点。

本项目主要包括如下系列技术：基于视觉感知的测试自动化方法框架，交互层显示缺陷的自动化检测技术，基于强化学习技术以及深度神经网络的测试自动生成技术，基于孪生神经网络的系统状态划分技术，基于图像分析、布局信息分析及安卓源码分析的测试修复系列技术和基于视觉感知的测试跨平台自动复用技术。

移动应用市场的不断扩大，光2023年中国市场就出货了2.71亿台，而国内市场上活跃的可视化交互应用总量约为260万款。大量的移动应用需要极大的、对质量保证的投入；而海量的设备所代表的海量用户，则对移动应用的质量提出了更高的要求。也因此， 2024年测试服务的全球市场预期达到了65.6亿美元，到2029年，这一数值将达到167.1亿美元。移动应用测试服务市场需求庞大，而传统的测试技术因为准确率、自动化程度、维护能力等方面的不足，需要投入海量的劳动力，而先进的智能化自动测试技术将针对上述问题，为测试服务节约大量的劳动力成本，从而带来极大的经济效益。

当下，业界在移动应用的自动化测试上面临着众多挑战，这些挑战使得投入成本居高不下。本项目可以有效针对现有问题，全面提升测试的自动化程度、拓宽应用场景、提升测试效率、降低维护成本，从而更大程度地解放投入在移动应用测试上的劳动力。特别的，相比现有的最好工具，在对大型应用的自动化测试方面，代码指令覆盖率提升约20%；在测试维护方面，失效测试操作的自动修复率提升超过30%。