AI賦能一鍵自動檢測：頁面異常、控制元件異常、文字異常

概要：FireEye是透過AI提高測試效率，並降低AI自動化測試使用門檻的工具集，一經部署，就可以不用再修改指令碼實現模型的使用和更新。本篇文章將具體介紹AI自動化測試過程中用到工程結構、模型選型和重訓練的技術細節等。

1 使用效果

目前從功能上分為：頁面異常、控制元件異常、文字異常，測試結果頁面如下圖所示：

當測試同學發現部分測試出的資料並不符合預期，可以透過頁面標註並使用重訓練功能實時更新模型，不斷提高模型準確率，減少開發人員重新去介入模型的調整和部署。

2.1 工程結構

工程結構如圖所示：

這個工程中，訓練資料的來源有3方面，樣本生成工具生成的模擬樣本、閒魚技術質量門戶持續蒐集的真實使用者截圖圖片，還有一個是FireEye的前端頁面使用者手動打標的重訓練資料，資料採集之後，由整合的工具將其轉換為所需要的資料型別：JPG、PNG、TXT等，並將其中的資原始檔上傳至OSS資源管理，當使用者觸發了重訓練命令，會由Jenkins通知服務端的重訓練指令碼開始重新訓練，重訓練後的模型儲存在雲端，可以透過API提供給FireEye以及其他業務場景使用。

2.2 使用模型

我們在針對不同的識別場景對模型的選型也有不同，其中

1, 頁面異常是檢測頁面是否整體空白或圖片中間有很大的錯誤提示圖片，因為這類異常結構簡單特徵明顯，所以用CNN做聚類就可以準確區分出這一類的case。

2, 控制元件異常是找到頁面中有異常特徵的控制元件，如識別截圖裡面包含了圖片的打底圖，說明有圖片載入異常，識別出有loading控制元件，可能使用者在這個場景長時間卡住，識別出有error的HUD表示異常提示。我們在工程中選用SSD做物體檢測，原因是異常控制元件在一個頁面中可能存在多個，使用SSD模型可以識別出異常控制元件的型別以及在頁面的位置和異常的數量。

3, （具體介紹）文字異常檢測是透過OCR逐行識別出頁面中的文字，然後判斷文字的語義是否正常，模型部分選用的是LSTM，RNN的本質是一個資料推斷（inference）機器，它可以尋找兩個時間序列之間的關聯，只要資料足夠多，就可以得到從x（t）到y（t）的機率分佈函式， 從而達到推斷和預測的目的，而LSTM（Long Short Term Memory Networks）長短時間記憶網路，是RNN的一個變種，避免長期依賴和梯度消失，爆炸等問題，使得LSTM已經成為處理擁有長期依賴問題的序列資料問題的首要方法之一（語言模型、機器翻譯等領域）。

文字異常的處理是透過一句話判斷是否為異常文字，輸入是有時序的一串字元，輸出是否異常，符合RNN的5種架構中的many-to-one型別，這是我們選用LSTM的原因。

實際的檢測效果如下：

識別結果（其中第三行被識別出包含亂碼）：

方案的實現上我們使用的是，Keras提供的LSTM層來構造網路，然後構建以閒魚APP裡的標題、詳情、評論等作為正樣本，口字碼、拼音碼、符號碼、錕拷碼、程式碼等作為負樣本的訓練資料，使用nltk的分詞器分詞輸入訓練得到模型，透過OCR提取頁面文字輸入頁面識別輸入模型判斷。

部分程式碼：

1，首先統計資料中有多少個不同的詞，每句話由多少個片語成

maxlen = 0  #句子最大長度 
word_freqs = collections.Counter()  #詞頻 
num_recs = 0 # 樣本數 
with open('./train.txt','r+') as f: 
    for line in f: 
        label, sentence = line.strip().split("t") 
        words = nltk.word_tokenize(sentence.lower() 
        if len(words) > maxlen: 
            maxlen = len(words) 
        for word in words: 
            word_freqs[word] += 1 
        num_recs += 1

目前專案裡的亂碼識別主要是針對英文和字元型別，所以使用的是nltk庫做分詞，如果是主要對中文處理，使用結巴分詞效果更好，或者用NLTK庫中Sinica（中央研究院）提供的繁體中文語料庫，from nltk.corpus import sinica_treebank 這樣匯入

2，建立兩個表，word2index和 index2word，用於單詞和數字轉換，把句子轉換成數字序列，長度統一到 MAXSENTENCELENGTH，不夠的填0，多出的截掉

MAX_FEATURES = 2000 
MAX_SENTENCE_LENGTH = 40 
vocab_size = min(MAX_FEATURES, len(word_freqs) + 2 
word2index = {x[0]: i+2 for i, x in rate(word_freqs.most_common(MAX_FEATURES)} 
word2index["PAD"] = 0 
word2index["UNK"] = 1 
index2word = {v:k for k, v in word2index.items()} 
X = np.empty(num_recs,dtype=list) 
y = np.zeros(num_recs) 
i=0 
with open('./train.txt','r+') as f: 
    for line in f: 
        label, sentence = line.strip().split("t") 
        words = nltk.word_tokenize(sentence.lower() 
        seqs = [] 
        for word in words: 
            if word in word2index: 
                seqs.append(word2index[word]) 
            else: 
                seqs.append(word2index["UNK"]) 
        X[i] = seqs 
        y[i] = int(label) 
        i += 1 
X = sequence.pad_sequences(X, maxlen=MAX_SENTENCE_LENGTH) ,
Xtrain, Xtest, ytrain, ytest = train_test_split(X, y, test_size=0.2, random_state=42) 
EMBEDDING_SIZE = 128 
HIDDEN_LAYER_SIZE = 64

3，模型訓練，損失函式用 binary_crossentropy，最佳化方法用 adam，最後匯出h5模型。

model = Sequential() 
model.add(Embedding(vocab_size, EMBEDDING_SIZE,input_length=MAX_SENTENCE_LENGTH) 
model.add(LSTM(HIDDEN_LAYER_SIZE, dropout=0.2, recurrent_dropout=0.2) 
model.add(Dense(1) 
model.add(Activation("sigmoid") 
model.compile(loss="binary_crossentropy", optimizer="adam",metrics=["accuracy"]) 
BATCH_SIZE = 32 
NUM_EPOCHS = 10 
model.fit(Xtrain, ytrain, batch_size=BATCH_SIZE, epochs=NUM_EPOCHS,validation_data=(Xtest, ytest) 
model.save("garbled.h5");"

4，OCR識別頁面文字內容，匯入模型中進行預測。（目前使用是谷歌OCR，中文識別的精度還不夠）

3 FireEye輔助工具集

3.1 樣本生成工具

在工程開始初期從真實使用者收集的資料很少，需要大量的樣本提供訓練，為了能大量生成訓練和測試樣本並且不影響APP的線上統計資料，開發了一個通用的native的mock庫可以擷取控制元件載入資料隨機生成mock的資料，用來配合Facebook-WDA擷取圖片獲得樣本： 1，mock所有UIImage，隨機載入1萬個樣本資料裡的圖片url；

2，mock所有UILabel和UITextField，隨機從樣本庫中生成語句和數字，內容數與原有資料相仿；

3，透過Facebook-WDA工具指令碼控制APP，隨機點選進入不同頁面，滑動，截圖，判斷是否到底部，再隨機跳轉到別的頁面…這樣來獲得大量樣本；

3.2 重訓練打標工具

打標一直以來是使用AI困擾大家的一件耗時耗力的步驟，FireEye提供重訓練功能的同時提供了相關工具：

其中頁面異常的識別的CNN模型和識別文字異常的LSTM模型重訓練，可以透過使用者在網頁上的對結果進行勾選，輸入正確的結果來完成標註工作，操作比較簡單，最複雜繁瑣的是SSD模型的打標，普遍的做法是使用labelImg工具，先準確的框選目標物體輸入標籤名，然後匯出包含物體位置和標籤資訊的CSV檔案，FireEye將這個功能整合到了重訓練的系統中，使用者可以透過在頁面上劃線或者畫框標出物體大致的位置，位置會傳到後端指令碼自動裁剪提取前景，得到更精準的物體實際定位並生成CSV檔案，其中畫框標記的具體實現如下：

1，前端頁面打標

下圖是使用框選物體來標記右下角的按鈕，我們不需要框出準確的位置：

2，呼叫Python指令碼，使用OpenCV的grabcut來實現前景提取

img=cv2.imread('tmp2.png')
mask=np.zeros((img.shape[:2]),np.uint8)
bgdModel=np.zeros((1,65),np.float64)
fgdModel=np.zeros((1,65),np.float64)
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2=np.where((mask==2)|(mask==0),0,1).astype('uint8')

下圖是grabcut提取前景後識別出的mask圖，右下角有部分裁剪後留下的雜點

3，得到前景二值化，查詢連通區域，找到最大面積，透過把小面積區域用fillConvexPoly方法填充覆蓋，得到

img=img*mask2[:,:,np.newaxis]
gray_temp = mask2.copy() #copy the gray image because function
binary, contours, hierarchy = cv2.findContours(gray_temp, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img, contours, -1, (0, 255, 255), 2)
area = []
for i in xrange(len(contours)):
    area.append(cv2.contourArea(contours[i]))
max_idx = np.argmax(area)
for i in xrange(len(contours)):
     if i != max_idx:
        cv2.fillConvexPoly(mask2, contours[i], 0)

4，再獲得外接矩形，得到準確的標記位置並輸出CSV檔案。

總結

FireEye目標是打造一個精簡易用的自動化測試工具集，可以很方便快捷的部署和調整，後面工程的重心會是AutoML的模型自動調參，識別佈局異常，以及透過頁面元素（控制元件、文字等）的綜合分析，區分業務場景，理解使用者操作路徑是否正確等方面，歡迎有興趣的小夥伴一起探討學習。