月下调试人——测试随笔

[月下调试人]

这个作业属于哪个课程	202501福大-软件工程实践W班
这个作业要求在哪里	α冲刺
团队名称	月下调试人
作业目标	测试随笔

目录

• 一、引言
• 1.目的
• 2.项目概述
• 二、测试范围与方法
• 1.测试范围
• 2.测试方法
• 三、测试环境
• 四、测试执行与结果
• 测试点 1: 批量上传与审核性能测试
• 测试点 2: 无关图片识别与审核测试
• 五、测试结论
• 六、风险与建议

基本信息...

一、引言

1.目的

本报告旨在记录对“奖状识别系统”核心功能的测试执行过程、结果和分析。本次测试重点关注系统的批量处理能力、OCR识别准确性以及管理员审核流程的有效性，为系统质量评估和后续迭代提供依据。

2.项目概述

奖状识别系统是一个Web应用，允许用户上传奖状图片。系统通过OCR技术自动识别图片内容。管理员负责审核上传的图片，决定通过或拒绝。若管理员通过图片，则系统自动为对应用户增加积分。

二、测试范围与方法

1.测试范围

• 包含: 用户图片上传功能、OCR自动识别功能、管理员审核（通过/拒绝）功能、用户积分更新功能、系统批量处理性能。
• 不包含: 用户注册/登录流程、积分兑换功能、系统安全性渗透测试。

2.测试方法

• 功能测试: 验证核心业务流程是否符合需求。
• 性能测试 (初步): 评估系统在处理大量数据时的响应时间和吞吐量。
• 自动化测试: 使用Python脚本模拟用户批量上传和管理员批量审核操作。

三、测试环境

类型	配置
服务器环境	操作系统: Windows11、数据库: MySQL 8.0、OCR引擎: Tesseract OCR 5.0
客户端环境	操作系统: Windows 10、浏览器: Edge、测试脚本: Python 3.9 + Selenium/Requests
网络环境	局域网 (LAN), 带宽 ≥ 100Mbps

四、测试执行与结果

测试点 1: 批量上传与审核性能测试

a.测试用例 ID: TC_PERF_001
b.测试标题: 验证系统处理65,536张随机旋转奖状图片的批量上传和审核性能。
c.测试目标: 评估系统在高负载下的处理能力。
d.前置条件:

•系统已部署并正常运行。
• 已准备好65,536张不同内容的奖状图片，每张图片都经过随机角度（0°-360°）旋转处理。
• 自动化上传脚本和管理员批量通过脚本已编写并调试通过。
• 一个测试用户账户已创建。

e.测试步骤:

• 使用Python自动化脚本，模拟单一用户，以多线程方式向系统上传65,536张奖状图片。
• 记录从上传第一张图片开始到最后一张图片上传成功并返回确认信息的总耗时。
• 等待系统后台OCR处理队列完成所有图片的识别。
• 使用另一个Python自动化脚本，模拟管理员账户，批量将这65,536张状态为“待审核”的图片全部标记为“通过”。
• 记录从执行批量通过操作开始到所有图片状态更新为“已通过”的总耗时。

f.预期结果:

• 所有65,536张图片均能成功上传，无错误。
• OCR引擎能成功识别出大部分图片的文本内容（允许少量因旋转角度过大导致的识别失败）。
• 管理员批量通过操作成功执行。
• 系统性能指标（上传时间、审核时间）在可接受范围内。

g.实际结果:

• 上传耗时: 43分钟。65,536张图片全部上传成功，上传成功率为100%。
• OCR识别: 系统成功对所有上传图片进行了OCR处理。识别准确率约为92%，少量图片因极端旋转角度导致关键信息（如姓名、奖项）识别错误或遗漏。
• 审核耗时: 9分钟。管理员批量通过操作成功执行，所有65,536张图片的状态均在9分钟内更新为“已通过”。
• 积分更新: 系统成功为测试用户账户增加了65,536分积分，数据库记录正确。

• 备注: 本次测试证明了系统具备处理海量数据的能力。上传和审核的自动化脚本有效，整体流程顺畅，上传时网络不畅导致速度较慢。OCR识别在随机旋转场景下表现良好，但仍有优化空间。

测试点 2: 无关图片识别与审核测试

a.测试用例 ID: TC_FUNC_002
b.测试标题: 验证系统对无关图片（非奖状）的处理能力。
c.测试目标: 确保系统能正确处理无效输入，并允许管理员进行干预。
d.前置条件:

• 系统已部署并正常运行。
• 准备一张与奖状无关的图片（例如：一张苹果图片）。
• 一个测试用户账户已创建。

e.测试步骤:

• 测试用户登录系统。
• 用户上传准备好的苹果图片。
• 观察系统对图片的处理过程和结果。
• 管理员登录系统，进入审核页面。
• 管理员查看该上传记录，并尝试进行审核操作（通过/拒绝）。

f.预期结果:

• 图片上传成功。
• 系统后台OCR处理后，应无法识别出有效的奖状信息（如姓名、奖项、颁发单位等）。
• 该图片在管理员审核列表中应显示为“待审核”，其OCR识别结果区域应为空或明确标注“未识别到结果”。
• 管理员能够正常查看该条记录，并可以执行“通过”或“拒绝”操作。

g.实际结果:

• 苹果图片上传成功。
• 系统OCR识别结果为 “未识别到结果”。系统界面正确地向管理员展示了这一信息。
• 该图片出现在管理员的审核队列中，状态为“待审核”。
• 管理员可以正常访问该记录的详情，并成功执行了“拒绝”操作。系统记录更新为“已拒绝”，用户积分未增加。

h.备注: 系统对无效输入的处理符合预期。OCR的“未识别到结果”反馈清晰，管理员拥有最终的审核权限，保证了系统的健壮性和可控性。

五、测试结论

本次测试针对“奖状识别系统”的两个核心场景进行了验证，结果如下：
• 性能方面: 系统展现了出色的批量处理能力。在9分钟内完成65,536张图片的审核，性能表现优异，满足大规模应用的需求。
• 功能方面: 系统核心功能（上传、OCR识别、管理员审核、积分更新）工作正常。对于无效的非奖状图片，系统能正确地通过OCR识别出“未识别到结果”，并交由管理员进行最终的人工判断和处理，流程设计合理。
总体结论: 奖状识别系统的核心功能通过本次测试，达到了预期目标。系统稳定、高效，具备投入试用的基础。

六、风险与建议

a.风险:
• OCR识别准确率（92%）虽高，但在极端旋转或低质量图片下仍有提升空间，可能导致少量有效奖状被误判。
• 本次测试为理想环境下的性能测试，真实用户并发场景下的表现需进一步压力测试。
b.建议:
• 优化OCR预处理算法，增强对旋转、模糊、光照不均图片的鲁棒性，提高识别准确率。
• 增加对上传图片的格式、大小、分辨率的前端校验，提升用户体验。
• 在后续迭代中，考虑增加“自动拒绝”规则，例如对明确的非文本图片（如纯风景、人脸）直接标记为低优先级或自动拒绝，减轻管理员负担。
• 进行更全面的并发用户压力测试。