买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国长江电力股份有限公司申请的专利基于机器学习的低代码应用自动测试系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119473834B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411442958.6，技术领域涉及：G06F11/36；该发明授权基于机器学习的低代码应用自动测试系统及方法是由曹海;王林;林跃茂;周敏;夏运超设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于机器学习的低代码应用自动测试系统及方法在说明书摘要公布了：本发明涉及一种基于机器学习的低代码应用自动测试系统及方法，包括以下关键步骤：首先，接收低代码应用的测试需求并获取界面元素图；其次，通过图像处理和语义识别技术处理界面元素图，提取界面模型；然后，根据界面模型自动生成并执行测试用例，收集测试结果数据；最后，分析测试结果数据并生成详细的测试报告。本发明还涉及构建和使用框架识别网络与文本提取网络，以精确识别界面元素的类别和文本含义，并通过聚类分析和决策树算法深入分析测试数据，从而有效地识别异常模式、错误原因和路径。本发明可广泛应用于软件开发领域，特别是针对低代码平台的应用测试，提升软件质量和测试效率。

本发明授权基于机器学习的低代码应用自动测试系统及方法在权利要求书中公布了：1.基于机器学习的低代码应用自动测试方法，其特征在于，包括以下步骤： S1：接收低代码应用的测试需求，获取低代码应用的界面元素图； S2：对所述界面元素图进行处理，提取低代码应用的界面模型； S3：根据所述界面模型，生成测试用例，并执行所述测试用例，收集测试结果数据； S4：对所述测试结果数据进行分析，生成测试报告； 所述S2具体步骤如下： S2.1：将界面元素图转换为元素灰度图，对元素灰度图进行预处理； S2.2：通过图像处理技术提取界面元素图的框架匹配特征，构建框架识别网络，通过所述框架识别网络对所述框架匹配特征进行识别，获取界面元素类别； S2.3：通过语义识别技术提取界面元素图的文本匹配特征，构建文本提取网络，通过所述文本提取网络对所述文本匹配特征进行提取，获取界面文本含义； S2.4：根据所述界面元素类别和所述界面文本含义，生成低代码应用的界面模型； 所述通过图像处理技术提取界面元素图的框架匹配特征具体步骤如下： S2.2.1：将界面元素图转换为元素灰度图，对元素灰度图进行预处理，其中，所述预处理包括图像去噪和图像增强； S2.2.2：对预处理后的元素灰度图进行直方图统计，通过统计学习方法切割出元素灰度图的目标区域图； S2.2.3：提取目标区域图的角点特征和灰度质心，根据角点特征与灰度质心的夹角计算框架描述子，利用MLP网络将框架描述子转化为高维数据，并与灰度质心相加，生成框架匹配特征； 所述通过语义识别技术提取界面元素图的文本匹配特征具体步骤如下： S2.3.1：通过边缘检测和自适应二值化对预处理后的元素灰度图进行处理，提取文本区域； S2.3.2：对文本区域进行垂直投影，根据垂直投影函数的最值划分文本区域的行边界和列边界，将行边界和列边界处的函数值与文本区域函数值进行匹配，获取文本内容向量； S2.3.3：计算文本内容向量的灰度共生矩阵，通过傅里叶变换获取文本内容向量的频率分布函数，根据灰度共生矩阵和频率分布函数计算文本匹配特征； 所述对所述测试结果数据进行分析具体步骤如下： S4.1：通过聚类分析算法识别测试过程中的异常模式和异常趋势； S4.2：通过决策树识别测试过程中的错误原因和错误路径； S4.3：统计测试通过率和测试覆盖率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国长江电力股份有限公司，其通讯地址为：443002 湖北省宜昌市建设路1号中国长江电力股份有限公司；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。