[发明专利]界面检测方法、图像处理方法、装置、电子设备及存储介质

说明书

本申请涉及一种界面检测方法、图像处理方法、装置、电子设备及存储介质，该方法包括：获取待检测界面的界面图像；将所述界面图像输入预先训练的界面检测模型，得到所述界面图像所属的界面类型，所述界面类型至少包括：异常界面；根据所述界面类型生成所述待检测界面的对应的标签。该技术方案实现了对界面显示异常的自动检测，减少了人工检测是工作量，同时也避免了被测试人员遗漏的问题，能够从一定程度上提升界面显示异常检测的准确性。

技术领域

本申请涉及UI测试技术领域，尤其涉及一种界面检测方法、图像处理方法、装置、电子设备及存储介质。

背景技术

应用界面是系统和用户之间进行交互和信息交换的媒介，它实现了信息的内部形式与用户可以接受形式之间的转换。应用界面使得用户能够方便有效地去操作硬件以达成向交互。

目前，对于UI样式问题，利用工具检测，维护成本高，多数还是依赖于人工手工测试发现，UI样式异常可能被测试人员遗漏，另外，对于一些UI样式异常比较难于验证，识别校验能力存在局限性。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种界面检测方法、图像处理方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种界面检测方法，所述方法包括：

获取待检测界面的界面图像；

将所述界面图像输入预先训练的界面检测模型，得到所述界面图像所属的界面类型，所述界面类型至少包括：异常界面；

根据所述界面类型生成所述待检测界面的对应的标签。

在一个可能的实施方式中，所述方法还包括：

当根据所述标签确定所述待检测界面为异常界面时，执行异常处理操作。

在一个可能的实施方式中，所述异常处理操作至少包括以下一项：

将所述待检测界面的界面图像发送至对应的终端；

生成报警信息，所述报警信息用于向预定终端发送所述待检测界面的界面图像的异常类型。

在一个可能的实施方式中，所述方法还包括：

获取训练样本图像，所述训练样本图像中包括预设异常类型的第一异常界面样本图像；

获取所述训练样本中的标注信息，所述标注信息包括所述训练样本图像中各个界面图像对应的异常类型标签；

采用预设卷积神经网络对所述训练样本图像及界面类型标签进行训练，得到界面检测模型。

第二方面，本申请还提供了一种图像处理方法，所述方法包括：

获取第一样本图像，所述第一样本图像中包括预设异常类型的第一异常界面图像；

获取所述第一样本图像中的第一标注信息，所述第一标注信息包括所述第一样本图像中各个界面图像对应的第一界面类型标签；

采用预设卷积神经网络对所述第一样本图像及第一界面类型标签进行训练，得到第一界面检测模型。

在一个可能的实施方式中，所述方法还包括：

获取第二样本图像，所述第二样本图像中包括预设异常类型的第二异常界面图像；

采用所述第二样本图像对所述第一界面检测模型进行测试，并获取测试结果；

当所述测试结果大于或等于预设阈值时，得到目标界面检测模型。

在一个可能的实施方式中，所述方法还包括：