技术领域
[0001] 本发明涉及物联网测试技术领域，尤其涉及一种基于AI的物联网测试方法、系统、终端及计算机可读存储介质。
相关背景技术
[0002] 物联网(IoT，Internet of Things)起源于传媒领域，是信息科技产业的第三次革命。物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。在产品生命周期的所有阶段进行IoT设备和网络测试，可确保产品性能、可靠性以及快速上市。
[0003] 传统的物联网测试系统存在以下问题：1)测试覆盖度低，无法覆盖各种复杂场景和用例；2)测试效率低，无法满足快速迭代的测试需求；3)测试结果不准确，无法全面评估系统的性能和稳定性；4)测试成本高，需要大量的人力和物力投入。
[0004] 因此，现有技术还有待于改进和发展。
具体实施方式
[0046] 为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0047] 传统的物联网测试系统的测试覆盖度低的原因和缺点如下：
[0048] 1.需求分析不充分
[0049] 原因：需求文档可能不够清晰、详尽，或者需求变更未能及时通知测试团队，导致测试人员在设计测试用例时无法准确把握所有需求细节，从而忽略某些特定场景。
[0050] 技术缺点：缺乏高效的需求管理工具或流程，使得需求变更跟踪和验证变得困难。
[0051] 2.测试设计方法的局限性
[0052] 原因：传统的测试设计方法，如等价类划分、边界值分析等，可能不足以覆盖复杂多变的物联网业务逻辑。
[0053] 技术缺点：这些方法在处理大规模、高复杂度的物联网系统时，往往难以穷举所有可能的交互路径和异常情况，导致测试场景覆盖不全。
[0054] 3.测试资源有限
[0055] 原因：在有限的时间和人力资源条件下，测试团队往往被迫优先关注核心功能或高优先级需求，而忽略了边缘场景和异常处理的测试。
[0056] 技术缺点：自动化测试技术虽然在提高测试效率方面有所帮助，但针对物联网系统的特殊性和复杂性，现有的自动化测试工具可能无法完全满足需求，导致测试资源分配不均。
[0057] 4.物联网系统复杂性
[0058] 原因：物联网系统通常涉及多个组件、模块和系统的集成，各种交叉功能和交互效果复杂多变，增加了测试的难度。
[0059] 技术缺点：缺乏针对物联网系统复杂性的专门测试技术和工具，使得测试团队难以全面覆盖所有可能的测试场景。
[0060] 5.测试环境仿真度低
[0061] 原因：物联网系统需要在不同的物理环境中运行，而现有的测试环境往往无法完全模拟真实环境，导致测试结果的可靠性降低。
[0062] 技术缺点：测试环境的仿真度不足，使得测试团队难以发现一些在特定环境下才会出现的问题。
[0063] 6.缺乏持续集成和持续测试
[0064] 原因：物联网系统通常具有快速迭代的特点，而传统的测试方法往往无法跟上迭代的节奏，导致新添加的功能或修复的问题没有得到及时的测试。
[0065] 技术缺点：缺乏高效的持续集成和持续测试机制，使得测试团队难以及时发现和修复问题。
[0066] 7.主观因素
[0067] 原因：测试人员的经验、技能和态度等主观因素也会影响测试覆盖度。例如，经验不足可能导致测试用例设计不合理，粗心大意可能导致某些测试场景被遗漏。
[0068] 技术缺点：缺乏系统的培训和指导机制，使得测试人员的专业素质和技能水平参差不齐。
[0069] 传统的物联网测试系统的测试效率低的原因主要是手工测试为主，测试用例多，测试进度缓慢。
[0070] 传统的物联网测试系统的测试结果不准确的原因主要是测试数据、测试环境、测试方法、人为因素都会导致测试结果不准确。
[0071] 传统的物联网测试系统的测试成本高的原因主要测试用例多，人力设备都需要成本。
[0072] 本发明较佳实施例所述的基于AI的物联网测试方法，如图1所示，所述基于AI的物联网测试方法包括以下步骤：
[0073] 步骤S10、收集物联网设备和物联网系统的测试数据，并将所述测试数据存储在大数据平台中。
[0074] 具体地，首先进行数据采集与存储：收集物联网(IOT)设备和物联网系统(物联网设备是指任何可以连接到互联网的物理设备，物联网系统是由这些设备组成的网络，物联网系统依赖于物联网设备来收集数据，并通过网络进行传输和处理，从而实现其功能和价值)的测试数据，并将其存储在大数据平台(大数据平台是一种通过内容共享、资源共用、渠道共建和数据共通等形式来进行服务的网络平台)中。
[0075] 步骤S20、获取应用场景和所述物联网系统的系统需求，利用人工智能算法生成全面的测试计划和测试用例。
[0076] 具体地，根据系统需求和应用场景，利用人工智能算法生成全面的测试计划和测试用例。其中，系统需求包括功能性需求、性能需求、安全需求、兼容性需求、可靠性需求等，举例一个功能性需求：一个在线购物平台必须用户浏览商品、添加到购物车、结算订单、查看订单状态等功能。应用场景就是实际用户的使用场景，比如：用户登录在线购物平台，浏览商品，将商品加入购物车、结算订单，等待订单处理。
[0077] 利用人工智能算法生成全面的测试计划和测试用例，例如，自然语言处理NLP算法解释和分析文本需求，提取关键信息和依赖关系，通过理解不同需求之间的关系并优先考虑关键功能，识别潜在的测试场景，生成全面的测试计划和用例。
[0078] 其中，测试计划是整个测试过程的指导文件，它确保了测试活动有序、高效的进行，测试用例是实际执行测试的依据，确保了测试活动的一致性和有效性。
[0079] 步骤S30、利用自动化测试工具，自动化执行所述测试用例，并向所述物联网设备发送测试指令。
[0080] 具体地，利用自动化测试工具(例如Selenium、APPIUM、hypium、jmeter等)，自动化执行测试用例，执行测试用例是确保软件质量的关键环节，它有助于发现和修复缺陷，提高软件的可靠性和用户满意度，并向物联网设备发送测试指令，目的是为了确保物联网设备能够按照预期工作，并且在实际部署之前发现并解决可能存在的问题。
[0081] 步骤S40、通过大数据分析和智能算法，对所述测试数据进行深度分析和挖掘，得出潜在问题和风险。
[0082] 具体地，通过大数据分析和智能算法，对测试数据进行深度分析和挖掘，找出潜在问题和风险。数据分析与挖掘是利用数据科学和机器学习技术，对大量数据进行处理和分析，以发现数据中的模式、关联、趋势和异常。基本步骤如下：1)、数据收集；2)、数据预处理；3)、数据探索；4)、特征工程；5)、模型选择；6)、模型训练和评估；7)、模型部署；8)、结果解释；9)、持续改进。
[0083] 步骤S50、根据分析结果，对所述物联网设备和所述物联网系统进行性能评估、稳定性评估和健壮性评估。
[0084] 具体地，根据分析结果，评估物联网设备和系统的性能、稳定性和健壮性。性能、稳定性和健壮性需要结合定量和定性的分析方法进行评估如下：
[0085] (1)、性能评估：
[0086] 1)、分析设备或系统的响应时间、吞吐量、延迟、带宽利用率等指标。
[0087] 2)、比较这些指标与预设的性能目标，评估是否满足需求。
[0088] 3)、使用性能测试工具(如JMeter、Gatling等)模拟不同负载条件，观察系统的性能表现。
[0089] (2)、稳定性评估：
[0090] 1)、分析系统的故障率、故障恢复时间、故障后的性能表现等指标。
[0091] 2)、观察系统在长时间运行或面对异常条件下的表现。
[0092] 3)、进行故障注入测试，人为引入故障以观察系统的应对能力。
[0093] (3)、健壮性评估：
[0094] 1)、分析系统在面对异常输入、资源限制、网络问题等异常情况时的表现。
[0095] 2)、评估系统对错误和异常的检测、报告和处理能力。
[0096] 3)、进行边界条件测试，测试系统在极限条件下的性能和稳定性。
[0097] 步骤S60、根据评估结果，通过机器学习和深度学习算法推测所述物联网系统的优化改进方向。
[0098] 具体地，通过人工智能算法推测系统的优化改进方向，为后续优化工作提供参考。其中，步骤20的人工智能算法主要用于自动生成测试计划和测试用例，这可能涉及到自然语言处理(NLP)技术，通过分析系统需求文档和应用场景描述，自动生成测试计划和测试用例。这种算法通常需要理解自然语言，并能够生成符合特定格式的测试文档；步骤6 0的人工智能算法主要用于推测系统的优化改进方向，涉及到机器学习(ML)和深度学习(DL)技术，通过分析测试数据和性能评估结果，推测哪些改进措施可以提高系统的性能、稳定性和健壮性。这种算法通常需要能够处理大量数据，并从中学习模式和关系。
[0099] 本发明的有益效果：
[0100] (1)、智能测试规划：根据系统需求和场景，智能化生成全面的测试计划和用例。
[0101] (2)、自动化测试执行：利用人工智能算法和自动化工具，实现对物联网设备和系统的自动化测试执行。
[0102] (3)、智能测试分析：通过大数据分析和智能算法，对测试结果进行深度分析和评估，发现潜在问题和风险。
[0103] (4)、智能优化改进：根据测试结果和评估反馈，通过人工智能算法推测系统的优化改进方向。
[0104] 进一步地，如图2所示，基于上述基于AI的物联网测试方法，本发明还相应提供了一种基于AI的物联网测试系统，其中，所述基于AI的物联网测试系统包括：
[0105] 数据采集与存储模块51，用于收集物联网设备和物联网系统的测试数据，并将所述测试数据存储在大数据平台中；
[0106] 测试计划与用例生成模块52，用于获取应用场景和所述物联网系统的系统需求，利用人工智能算法生成全面的测试计划和测试用例；
[0107] 自动化测试执行模块53，用于利用自动化测试工具，自动化执行所述测试用例，并向所述物联网设备发送测试指令；
[0108] 数据分析与挖掘模块54，用于通过大数据分析和智能算法，对所述测试数据进行深度分析和挖掘，得出潜在问题和风险；
[0109] 测试结果评估模块55，用于根据分析结果，对所述物联网设备和所述物联网系统进行性能评估、稳定性评估和健壮性评估；
[0110] 优化改进推测模块56，用于根据评估结果，通过机器学习和深度学习算法推测所述物联网系统的优化改进方向。
[0111] 进一步地，如图3所示，基于上述基于AI的物联网测试方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图3仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0112] 所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于AI的物联网测试程序40，该基于AI的物联网测试程序40可被处理器10所执行，从而实现本申请中基于AI的物联网测试方法。
[0113] 所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于AI的物联网测试方法等。
[0114] 所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light‑Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10‑30通过系统总线相互通信。
[0115] 在一实施例中，当处理器10执行所述存储器20中基于AI的物联网测试程序40时实现以下步骤：
[0116] 收集物联网设备和物联网系统的测试数据，并将所述测试数据存储在大数据平台中；
[0117] 获取应用场景和所述物联网系统的系统需求，利用人工智能算法生成全面的测试计划和测试用例；
[0118] 利用自动化测试工具，自动化执行所述测试用例，并向所述物联网设备发送测试指令；
[0119] 通过大数据分析和智能算法，对所述测试数据进行深度分析和挖掘，得出潜在问题和风险；
[0120] 根据分析结果，对所述物联网设备和所述物联网系统进行性能评估、稳定性评估和健壮性评估；
[0121] 根据评估结果，通过机器学习和深度学习算法推测所述物联网系统的优化改进方向。
[0122] 其中，所述系统需求包括：功能性需求、性能需求、安全需求、兼容性需求和可靠性需求。
[0123] 其中，所述利用人工智能算法生成全面的测试计划和测试用例，具体包括：
[0124] 利用自然语言处理NLP算法解释和分析文本需求，提取关键信息和依赖关系；
[0125] 通过理解不同需求之间的关系并优先考虑关键功能，识别潜在的测试场景，生成全面的测试计划和测试用例。
[0126] 其中，所述测试计划为整个测试过程的指导文件，用于确保测试活动有序和高效的进行；所述测试用例为实际执行测试的依据，用于确保测试活动的一致性和有效性。
[0127] 其中，所述测试指令用于确保所述物联网设备按照预期进行工作，并在实际部署前发现和解决可能存在的问题。
[0128] 其中，所述对所述测试数据进行深度分析和挖掘，具体为：
[0129] 利用数据科学和机器学习技术，对大量测试数据进行处理和分析，以发现测试数据中的模式、关联、趋势和异常。
[0130] 其中，所述性能评估包括：
[0131] 分析所述物联网设备或者所述物联网系统的响应时间、吞吐量、延迟和带宽利用；
[0132] 将所有指标与预设的性能目标进行比较，评估是否满足需求；
[0133] 使用性能测试工具模拟不同负载条件，观察系统的性能表现；
[0134] 所述稳定性评估包括：
[0135] 分析所述物联网系统的故障率、故障恢复时间和故障后的性能表现；
[0136] 观察所述物联网系统在长时间运行或面对异常条件下的表现；
[0137] 对所述物联网系统进行故障注入测试，引入故障以观察所述物联网系统的应对能力；
[0138] 所述健壮性评估包括：
[0139] 分析系统在面对异常输入、资源限制、网络问题等异常情况时的表现。
[0140] 评估系统对错误和异常的检测、报告和处理能力。
[0141] 进行边界条件测试，测试系统在极限条件下的性能和稳定性。
[0142] 本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于AI的物联网测试程序，所述基于AI的物联网测试程序被处理器执行时实现如上所述的基于AI的物联网测试方法的步骤。
[0143] 综上所述，本发明提供一种基于AI的物联网测试方法、系统、终端及存储介质，所述方法包括：收集物联网设备和物联网系统的测试数据，并将所述测试数据存储在大数据平台中；获取应用场景和所述物联网系统的系统需求，利用人工智能算法生成全面的测试计划和测试用例；利用自动化测试工具，自动化执行所述测试用例，并向所述物联网设备发送测试指令；通过大数据分析和智能算法，对所述测试数据进行深度分析和挖掘，得出潜在问题和风险；根据分析结果，对所述物联网设备和所述物联网系统进行性能评估、稳定性评估和健壮性评估；根据评估结果，通过机器学习和深度学习算法推测所述物联网系统的优化改进方向。本发明根据系统需求和场景，智能化生成全面的测试计划和用例，利用人工智能算法和自动化工具，实现对物联网设备和系统的自动化测试执行，通过大数据分析和智能算法，对测试结果进行深度分析和评估，发现潜在问题和风险，根据测试结果和评估反馈，通过人工智能算法推测系统的优化改进方向。
[0144] 需要说明的是，在本文中，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
[0145] 当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
[0146] 应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
