业务系统检测方法、装置、电子设备及存储介质与流程

1.本发明涉及人工智能技术领域，具体涉及一种业务系统检测方法、装置、电子设备及存储介质。


背景技术：

2.随着业务系统中的业务功能不断增加，日常作业内容均需要登录各个业务系统及页面进行操作，若作业系统出现异常问题，则会影响多人无法作业，现有的业务系统需要依赖人工7x24小时监控，无有效检测工具。
3.然而，人工7x24小时监控业务系统，人工监控过程耗时，且容易出错，导致业务系统检测效率低。
4.因此，有必要提出一种可以快速进行业务系统的检测方法。


技术实现要素：

5.鉴于以上内容，有必要提出一种业务系统检测方法、装置、电子设备及存储介质，通过rpa机器人自动登录目标业务系统并截取目标截图，对目标截图进行识别和异常检测，无需人工参与，提高了业务系统的检测效率。
6.本发明的第一方面提供一种业务系统检测方法，所述方法包括：
7.响应于接收的系统测试请求，获取目标业务系统的测试需求；
8.基于所述测试需求对rpa机器人进行参数配置；
9.当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的；
10.响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果；
11.对所述目标识别结果进行异常检测，得到检测结果。
12.可选地，所述启动所述rpa机器人，获取所述目标业务系统的目标截图包括：
13.启动所述rpa机器人，所述rpa机器人从配置的参数中获取所述目标业务系统的登录路径；
14.所述rpa机器人链接所述登录路径，截图登录界面图片；
15.所述rpa机器人在接收到登录界面图片截取完成时，从配置的参数中获取所述目标业务系统的登录账户和密码，并将所述登录账户和密码自动填充至登录界面，依次根据所述目标业务系统的每个预设业务功能的rpa规则流程登入对应预设业务功能的目标页面，并截取所述目标页面图片，得到多个目标页面图片；
16.将所述登录界面图片和所述多个目标页面图片确定为所述目标业务系统的目标截图。
17.可选地，所述对所述目标截图进行识别，得到目标识别结果包括：
18.采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果；
19.采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果；
20.将所述第一识别结果和所述第二识别结果确定为目标识别结果。
21.可选地，所述对所述目标识别结果进行异常检测，得到检测结果包括：
22.对所述第一识别结果进行异常关键词查询，得到第一异常关键词；若在预设的第一数据库中匹配到任意一个第一异常关键词，确定检测结果为所述目标业务系统异常；和/或
23.对所述第二识别结果进行异常关键词查询，得到第二异常关键词；若在预设的第二数据库中匹配到任意一个第二异常关键词，确定检测结果为所述目标业务系统异常。
24.可选地，在所述对所述目标识别结果进行异常检测，得到检测结果之后，所述方法还包括：
25.将所述检测结果发送至客户端；
26.当接收到所述客户端反馈的所述检测结果中的第一异常关键词不为正确的异常关键词时，从所述预设的第一数据库中删除掉所述第一异常关键词；获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练；和/或
27.当接收到所述客户端反馈的所述检测结果中的第二异常关键词不为正确的异常关键词时，从所述预设的第二数据库中删除掉所述第二异常关键词；获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。
28.可选地，所述采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果包括：
29.判断所述登录界面图片中是否存在第一可视化弹窗；若所述登录界面图片中存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述第一可视化弹窗进行文字识别，得到第一识别结果；
30.若所述登录界面图片中不存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述登录界面图片进行文字识别，得到第一识别结果。
31.可选地，所述采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果包括：
32.判断所述每个目标页面图片中是否存在第二可视化弹窗；
33.若任意一个目标页面图片中存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述第二可视化弹窗进行文字识别，得到第二识别结果；
34.若任意一个目标页面图片中不存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述任意一个目标页面图片进行文字识别，得到第二识别结果。
35.本发明的第二方面提供一种业务系统检测装置，所述装置包括：
36.获取模块，用于响应于接收的系统测试请求，获取目标业务系统的测试需求；
37.配置模块，用于基于所述测试需求对rpa机器人进行参数配置；
38.启动模块，用于当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的；
39.识别模块，用于响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果；
40.异常检测模块，用于对所述目标识别结果进行异常检测，得到检测结果。
41.本发明的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的业务系统检测方法。
42.本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的业务系统检测方法。
43.综上所述，本发明所述的业务系统检测方法、装置、电子设备及存储介质，能够推动智慧城市的建设，应用于智慧建筑、智慧安防、智慧社区、智慧生活、物联网等领域，通过基于所述测试需求对rpa机器人进行参数配置，在侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，通过rpa机器人自动登录目标业务系统，自动截取目标截图，无需人工截取及监控，进而提高了后续目标业务系统的检测效率。响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，在进行目标截图识别过程中，通过对不同的目标截图采用对应的识别模型，可以提高目标截图的识别效率和准确率。进一步对所述目标识别结果进行异常检测，将目标识别结果中的第一异常关键词与预设的第一数据库及第二异常关键词与预设的第二数据库分别进行匹配，无需人工检测，提高了业务系统的检测效率。
附图说明
44.图1是本发明实施例一提供的业务系统检测方法的流程图。
45.图2是本发明实施例二提供的业务系统检测装置的结构图。
46.图3是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
47.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
48.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
49.实施例一
50.图1是本发明实施例一提供的业务系统检测方法的流程图。
51.在本实施例中，所述业务系统检测方法可以应用于电子设备中，对于需要进行业务系统检测的电子设备，可以直接在电子设备上集成本发明的方法所提供的业务系统检测的功能，或者以软件开发工具包(software development kit，sdk)的形式运行在电子设备中。
52.本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
53.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习、深度学习等几大方向。
54.如图1所示，所述业务系统检测方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
55.101，响应于接收的系统测试请求，获取目标业务系统的测试需求。
56.本实施例中，系统测试请求用于请求对目标业务系统进行测试，针对每个目标业务系统用户会预先设置一些测试需求，其中，所述测试需求中包含有对每个目标业务系统的测试周期、登录路径、登录账户、密码、预设业务功能及所述预设业务功能的rpa规则流程等。
57.示例性地，若对m银行系统进行测试，测试需求中可以包含以下一种或者多种方式组合：m银行系统的测试周期，例如，每隔一个小时测试一次；m银行系统的登录路径；m银行系统的登录账户和密码；m银行系统的预设业务功能及所述预设业务功能的rpa规则流程，例如：m银行系统的权限功能，所述权限功能对应的rpa规则流程为打开a界面中的权限按钮-进入权限界面-打开权限界面中的用户按钮后进入页面。
58.102，基于所述测试需求对rpa机器人进行参数配置。
59.本实施例中，rpa(robotic process automation)是使用软件自动化来实现原本由人类操作计算机完成的操作。所述rpa允许软件机器人自动处理大量重复的、基于规则的工作流程任务。例如，在银行的业务流程中，通常有纸质文件输入、文件票据验证、从电子邮件和文件中提取数据、跨系统数据迁移、自动化it应用操作等工作流程任务。
60.本实施例中，在对目标业务系统测试之前，对rpa机器人进行参数配置，配置的参数为测试需求中的参数，所述参数可以包括目标业务系统的登录路径、登录账户、密码等。
61.103，当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的。
62.本实施例中，rpa机器人与电子设备中的机器人巡检平台连接，在侦测到所述rpa机器人的参数配置完成时，启动rpa机器人登录目标业务系统，并截取所述目标业务系统的目标截图，对所述目标截图进行异常检测，根据异常检测结果确定所述目标业务系统是否存在异常。
63.在一个可选的实施例中，所述启动所述rpa机器人，获取所述目标业务系统的目标截图包括：
64.启动所述rpa机器人，所述rpa机器人从配置的参数中获取所述目标业务系统的登录路径；
65.所述rpa机器人链接所述登录路径，截图登录界面图片；
66.所述rpa机器人在接收到登录界面图片截取完成时，从配置的参数中获取所述目标业务系统的登录账户和密码，并将所述登录账户和密码自动填充至登录界面，依次根据所述目标业务系统的每个预设业务功能的rpa规则流程登入对应预设业务功能的目标页面，并截取所述目标页面图片，得到多个目标页面图片；
67.将所述登录界面图片和所述多个目标页面图片确定为所述目标业务系统的目标截图。
68.本实施例中，为了全面检测目标业务系统是否存在异常，从配置的参数中获取所述目标业务系统的登录路径，所述目标业务系统的登录路径用以链接登录界面，在所述rpa机器人登录到所述目标业务系统的登录界面时，对登录界面进行截图，获取登录界面图片。
69.本实施例中，在所述rpa机器人截取到登录界面图片之后，根据预设业务功能的rpa规则流程登入对应目标页面进行截图。
70.本实施例中，每个目标业务系统可以预先设置多个预设业务功能，每个预设业务功能对应有rpa规则流程，按照rpa规则流程可以依次对所述目标业务系统的各个业务功能对应的目标页面进行截图，后续在进行目标业务系统检测时使用到截取的目标页面图片，无需人工截取及监控，进而提高了后续目标业务系统的检测效率。
71.104，响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果。
72.本实施例中，在电子设备中的机器人巡检平台接收到所述rpa机器人上报的目标截图之后，调用图片识别功能，对目标截图中的文字进行识别，转换为文本，得到目标识别结果。
73.在一个可选的实施例中，所述对所述目标截图进行识别，得到目标识别结果包括：
74.采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果；
75.采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果；
76.将所述第一识别结果和所述第二识别结果确定为目标识别结果。
77.本实施例中，在进行目标截图识别时，针对登录界面图片预先设置了第一识别模型，针对目标页面图片预先设置了第二识别模型，通过对不同的目标截图采用对应的识别模型，可以提高目标截图的识别效率和准确率。
78.进一步地，所述采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果包括：
79.判断所述登录界面图片中是否存在第一可视化弹窗；
80.若所述登录界面图片中存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述第一可视化弹窗进行文字识别，得到第一识别结果；
81.若所述登录界面图片中不存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述登录界面图片进行文字识别，得到第一识别结果。
82.本实施例中，可以预先训练第一识别模型，具体地，获取业务系统历史登录界面图片的可视化弹窗图片集，采用所述可视化弹窗图片集训练预设的第一识别模型，得到训练完成的第一识别模型，并将第一可视化弹窗输入至训练完成的第一识别模型中进行文字识
别，得到第一可视化弹窗中的文字。
83.本实施例中，所述预设的第一识别模型可以为光学字符识别模型，所述光学字符识别模型为现有模型，本实施例在此不做详述。本实施例中，所述第一可视化弹窗是指在rpa机器人进入登录界面出现异常时弹出的弹窗，通过识别所述第一可视化弹窗中的文本，即可得到第一识别结果，提高了第一识别结果的识别效率。
84.本实施例中，由于在进行目标业务系统登录过程中，有的登录界面出现异常后不会跳出第一可视化弹窗，而是在登录界面图片中显示异常信息，故若登录界面图片没有弹出第一可视化弹窗，不能确定目标业务系统正常，需要对登录界面图片进行文字识别。
85.进一步地，所述采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果包括：
86.判断所述每个目标页面图片中是否存在第二可视化弹窗；
87.若任意一个目标页面图片中存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述第二可视化弹窗进行文字识别，得到第二识别结果；
88.若任意一个目标页面图片中不存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述任意一个目标页面图片进行文字识别，得到第二识别结果。
89.本实施例中，所述第二可视化弹窗是指在rpa机器人进入目标页面出现异常时弹出的弹窗，通过识别所述第二可视化弹窗中的文本，即可得到第二识别结果，提高了第二识别结果的识别效率。
90.本实施例中，可以预先训练第二识别模型，具体地，获取业务系统的每个预设业务功能的rpa规则流程登入对应预设业务功能的历史页面图片的可视化弹窗图片集，采用所述可视化弹窗图片集训练预设的第二识别模型，得到训练完成的第二识别模型，并将第二可视化弹窗输入至训练完成的第二识别模型中进行文字识别，得到第二可视化弹窗中的文字。
91.本实施例中，所述预设的第二识别模型可以为光学字符识别模型，所述光学字符识别模型为现有模型，本实施例在此不做详述。
92.本实施例中，由于在进行目标业务系统的每个预设业务功能的目标页面时，有的目标页面出现异常后不会跳出第二可视化弹窗，而是在目标图片中显示异常信息，故若目标页面图片没有弹出第二可视化弹窗，不能确定目标业务系统正常，需要对目标界面图片进行文字识别。
93.本实施例中，在进行目标截图识别，通过判断所述登录界面图片中是否存在第一可视化弹窗，及判断所述每个目标页面图片中是否存在第二可视化弹窗，若登录界面图片中存在第一可视化弹窗，只需对第一可视化弹窗进行文字识别，无需对整个登录界面图片进行识别；或者，若目标页面图片中存在第二可视化弹窗，只需对第二可视化弹窗进行文字识别，无需对整个目标页面图片进行识别，提高了目标截图的识别效率。
94.105，对所述目标识别结果进行异常检测，得到检测结果。
95.本实施例中，所述异常检测用以检测所述目标业务系统中是否存在异常，所述检测结果中包含目标业务系统正常或者目标业务系统异常。
96.在一个可选的实施例中，所述对所述目标识别结果进行异常检测，得到检测结果包括：
97.对所述第一识别结果进行异常关键词查询，得到第一异常关键词；若在预设的第一数据库中匹配到任意一个第一异常关键词，确定检测结果为所述目标业务系统异常；和/或
98.对所述第二识别结果进行异常关键词查询，得到第二异常关键词；若在预设的第二数据库中匹配到任意一个第二异常关键词，确定检测结果为所述目标业务系统异常。
99.本实施例中，所述第一异常关键词用以表示登录目标业务系统的登录界面过程中出现的异常关键词，所述第二异常关键词用以表示操作目标业务系统的目标页面图片过程中出现的异常关键词。
100.本实施例中，所述预设的第一数据库和所述预设的第二数据库为系统可配置的异常词库，其中，所述预设的第一数据库包含有历史登录业务系统过程中出现异常的关键词，例如，网银登录异常、密码错误、账户错误、登录超时等，所述预设的第二数据库中包含有历史操作业务系统界面过程中出现的异常关键词，例如，无权限操作该页面，打开页面失败等。
101.本实施例中，通过将所述第一异常关键词在预设的第一数据库中进行匹配，及所述第二异常关键词在预设的第二数据库中进行匹配，可以快速定位目标业务系统的问题，并及时反馈至客户端，提高了客户端的运维效率。
102.进一步地，所述方法还包括：
103.若在预设的第一数据库中未匹配到任意一个第一异常关键词，确定检测结果为所述目标业务系统正常；和/或
104.若在预设的第二数据库中未匹配到任意一个第二异常关键词，确定检测结果为所述目标业务系统正常。
105.本实施例中，预设的第一数据库中包含有检测业务系统的历史登录界面后记录的异常关键词；预设的第二数据库中包含有检测业务系统的历史目标页面后记录的异常关键词。
106.示例性的，在对m银行系统的登录界面图片中识别到“网银登录异常”的第一异常关键词，所述第一异常关键词存在于预设的第一数据库中，确定所述m银行系统异常。
107.进一步地，在所述对所述目标识别结果进行异常检测，得到检测结果之后，所述方法还包括：
108.将所述检测结果发送至客户端；
109.当接收到所述客户端反馈的所述检测结果中的第一异常关键词不为正确的异常关键词时，从所述预设的第一数据库中删除掉所述第一异常关键词；获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练；和/或
110.当接收到所述客户端反馈的所述检测结果中的第二异常关键词不为正确的异常关键词时，从所述预设的第二数据库中删除掉所述第二异常关键词；获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。
111.本实施例中，在得到检测结果之后，为了进一步优化预设的第一数据库和预设的第二数据库，接收客户端反馈结果，若反馈结果为所述检测结果中的第一异常关键词不为
正确的异常关键词，或者，所述检测结果中的第二异常关键词不为正确的异常关键词，确定在进行异常关键词匹配过程中，可能出现了匹配错误的现象，需要及时的修正或者补充所述预设的第一数据库或者预设的第二数据库，通过不断的优化修正和补充所述预设的第一数据库或者预设的第二数据库，进而提高异常检测检测效率和准确率。
112.本实施例中，若预设的第一数据库或者第二数据库中存在的异常关键词不是业务系统的登录过程中的异常关键词，例如，若“登录超时”不为目标业务系统登录过程中的正确的异常关键词，从所述预设的第一数据库中删除掉所述“登录超时”，优化预设的第一数据库，后续在目标业务系统登录过程中不会出现匹配到“登录超时”就确定目标业务系统异常的现象，避免了向目标业务系统的维护人员发送错误电子邮件的问题。
113.本实施例中，若反馈结果为所述检测结果中的第一异常关键词不为正确的异常关键词，或者，所述检测结果中的第二异常关键词不为正确的异常关键词，还可以将所述第一异常关键词对应的登录界面图片添加至第一训练集重新训练第一识别模型，或者将所述第二异常关键词对应的目标页面图片添加至第二训练集重新训练第二识别模型，通过不断的优化所述第一识别模型和所述第二识别模型，进而提高了第一识别模型和第二识别模型的识别准确率。
114.进一步地，在所述若在预设的第一数据库中未匹配到任意一个第一异常关键词之后，所述方法还包括：
115.将所述第一异常关键词发送至客户端；
116.响应于接收的所述客户端反馈的所述第一异常关键词为所述目标业务系统异常的关键词，将所述第一异常关键词添加至所述预设的第一数据库；和/或
117.获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练。
118.进一步地，在所述若在预设的第二数据库中未匹配到任意一个第二异常关键词之后，所述方法还包括：
119.将所述第二异常关键词发送至客户端；
120.响应于接收的所述客户端反馈的所述第二异常关键词为所述目标业务系统异常的关键词，将所述第二异常关键词添加至所述预设的第二数据库；和/或
121.获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。
122.本实施例中，在进行异常关键词匹配时，若预设的第一数据库或者预设的第二数据库中缺失异常关键词，导致误匹配的现象，故在预设的第一数据库中未匹配到任意一个第一异常关键词，或在预设的第二数据库中未匹配到任意一个第二异常关键词之后，将所述第一异常关键词或者第二异常关键词发送至客户端，若客户端确定所述第一异常关键词和所述第二异常关键词为所述目标业务系统异常的关键词时，可以将所述第一异常关键词添加至所述预设的第一数据库，或者将所述第二异常关键词添加至所述预设的第二数据库，通过不断修正所述预设的第一数据库和所述预设的第二数据库，进而提高异常检测效率和准确率。
123.本实施例中，通过rpa机器人自动登录目标业务系统，自动截取目标截图，在接收到目标截图之后，对目标截图进行识别，根据识别结果进行异常检测，无需人工参与，同时在系统运行过程中，实时保存历史记录，做到7x24小时不间断检测，并且在得到检测结果之后，及时修正预设的第一识别模型、预设的第二识别模型、预设的第一数据库和预设的第二数据库，做到全闭环检测，提高了业务系统的检测效率。
124.综上所述，本实施例所述的业务系统检测方法，通过基于所述测试需求对rpa机器人进行参数配置，在侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，通过rpa机器人自动登录目标业务系统，自动截取目标截图，无需人工截取及监控，进而提高了后续目标业务系统的检测效率。响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，在进行目标截图识别过程中，通过对不同的目标截图采用对应的识别模型，可以提高目标截图的识别效率和准确率。进一步对所述目标识别结果进行异常检测，将目标识别结果中的第一异常关键词与预设的第一数据库及第二异常关键词与预设的第二数据库分别进行匹配，无需人工检测，提高了业务系统的检测效率。
125.实施例二
126.图2是本发明实施例二提供的业务系统检测装置的结构图。
127.在一些实施例中，所述业务系统检测装置20可以包括多个由程序代码段所组成的功能模块。所述业务系统检测装置20中的各个程序段的程序代码可以存储于电子设备的存储器中，并由所述至少一个处理器所执行，以执行(详见图1描述)业务系统检测的功能。
128.本实施例中，所述业务系统检测装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、配置模块202、启动模块203、识别模块204及异常检测模块205。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
129.获取模块201，用于响应于接收的系统测试请求，获取目标业务系统的测试需求。
130.配置模块202，用于基于所述测试需求对rpa机器人进行参数配置。
131.启动模块203，用于当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的。
132.识别模块204，用于响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果。
133.异常检测模块205，用于对所述目标识别结果进行异常检测，得到检测结果。
134.在一个可选的实施例中，所述启动模块203用于：启动所述rpa机器人，所述rpa机器人从配置的参数中获取所述目标业务系统的登录路径；所述rpa机器人链接所述登录路径，截图登录界面图片；所述rpa机器人在接收到登录界面图片截取完成时，从配置的参数中获取所述目标业务系统的登录账户和密码，并将所述登录账户和密码自动填充至登录界面，依次根据所述目标业务系统的每个预设业务功能的rpa规则流程登入对应预设业务功能的目标页面，并截取所述目标页面图片，得到多个目标页面图片；将所述登录界面图片和所述多个目标页面图片确定为所述目标业务系统的目标截图。
135.本实施例中，每个目标业务系统可以预先设置多个预设业务功能，每个预设业务
功能对应有rpa规则流程，按照rpa规则流程可以依次对所述目标业务系统的各个业务功能对应的目标页面进行截图，后续在进行目标业务系统检测时使用到截取的目标页面图片，无需人工截取及监控，进而提高了后续目标业务系统的检测效率。
136.在一个可选的实施例中，所述识别模块204用于包括：采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果；采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果；将所述第一识别结果和所述第二识别结果确定为目标识别结果。
137.进一步地，所述采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果包括：判断所述登录界面图片中是否存在第一可视化弹窗；若所述登录界面图片中存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述第一可视化弹窗进行文字识别，得到第一识别结果；若所述登录界面图片中不存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述登录界面图片进行文字识别，得到第一识别结果。
138.本实施例中，在进行目标截图识别，通过判断所述登录界面图片中是否存在第一可视化弹窗，及判断所述每个目标页面图片中是否存在第二可视化弹窗，若登录界面图片中存在第一可视化弹窗，只需对第一可视化弹窗进行文字识别，无需对整个登录界面图片进行识别；或者，若目标页面图片中存在第二可视化弹窗，只需对第二可视化弹窗进行文字识别，无需对整个目标页面图片进行识别，提高了目标截图的识别效率。
139.进一步地，所述采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果包括：判断所述每个目标页面图片中是否存在第二可视化弹窗；若任意一个目标页面图片中存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述第二可视化弹窗进行文字识别，得到第二识别结果；若任意一个目标页面图片中不存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述任意一个目标页面图片进行文字识别，得到第二识别结果。
140.在一个可选的实施例中，所述异常检测模块205用于：对所述第一识别结果进行异常关键词查询，得到第一异常关键词；若在预设的第一数据库中匹配到任意一个第一异常关键词，确定检测结果为所述目标业务系统异常；和/或，对所述第二识别结果进行异常关键词查询，得到第二异常关键词；若在预设的第二数据库中匹配到任意一个第二异常关键词，确定检测结果为所述目标业务系统异常。
141.进一步地，在所述对所述目标识别结果进行异常检测，得到检测结果之后，将所述检测结果发送至客户端；当接收到所述客户端反馈的所述检测结果中的第一异常关键词不为正确的异常关键词时，从所述预设的第一数据库中删除掉所述第一异常关键词；获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练；和/或，当接收到所述客户端反馈的所述检测结果中的第二异常关键词不为正确的异常关键词时，从所述预设的第二数据库中删除掉所述第二异常关键词；获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。
142.进一步地，在所述若在预设的第一数据库中未匹配到任意一个第一异常关键词之
后，将所述第一异常关键词发送至客户端；响应于接收的所述客户端反馈的所述第一异常关键词为所述目标业务系统异常的关键词，将所述第一异常关键词添加至所述预设的第一数据库；和/或，获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练。
143.进一步地，在所述若在预设的第二数据库中未匹配到任意一个第二异常关键词之后，将所述第二异常关键词发送至客户端；响应于接收的所述客户端反馈的所述第二异常关键词为所述目标业务系统异常的关键词，将所述第二异常关键词添加至所述预设的第二数据库；和/或，获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。
144.本实施例中，在进行异常关键词匹配时，若预设的第一数据库或者预设的第二数据库中缺失异常关键词，导致误匹配的现象，故在预设的第一数据库中未匹配到任意一个第一异常关键词，或在预设的第二数据库中未匹配到任意一个第二异常关键词之后，将所述第一异常关键词或者第二异常关键词发送至客户端，若客户端确定所述第一异常关键词和所述第二异常关键词为所述目标业务系统异常的关键词时，可以将所述第一异常关键词添加至所述预设的第一数据库，或者将所述第二异常关键词添加至所述预设的第二数据库，通过不断修正所述预设的第一数据库和所述预设的第二数据库，进而提高异常检测效率和准确率。
145.本实施例中，通过rpa机器人自动登录目标业务系统，自动截取目标截图，在接收到目标截图之后，对目标截图进行识别，根据识别结果进行异常检测，无需人工参与，同时在系统运行过程中，实时保存历史记录，做到7x24小时不间断检测，并且在得到检测结果之后，及时修正预设的第一识别模型、预设的第二识别模型、预设的第一数据库和预设的第二数据库，做到全闭环检测，提高了业务系统的检测效率。
146.综上所述，本实施例所述的业务系统检测装置，通过基于所述测试需求对rpa机器人进行参数配置，在侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，通过rpa机器人自动登录目标业务系统，自动截取目标截图，无需人工截取及监控，进而提高了后续目标业务系统的检测效率。响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，在进行目标截图识别过程中，通过对不同的目标截图采用对应的识别模型，可以提高目标截图的识别效率和准确率。进一步对所述目标识别结果进行异常检测，将目标识别结果中的第一异常关键词与预设的第一数据库及第二异常关键词与预设的第二数据库分别进行匹配，无需人工检测，提高了业务系统的检测效率。
147.实施例三
148.参阅图3所示，为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中，所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
149.本领域技术人员应该了解，图3示出的电子设备的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
150.在一些实施例中，所述电子设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
151.需要说明的是，所述电子设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
152.在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述电子设备3中的业务系统检测装置20，并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(read-only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子擦除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
153.在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(control unit)，利用各种接口和线路连接整个电子设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行电子设备3的各种功能和处理数据。
154.在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
155.尽管未示出，所述电子设备3还可以包括给各个部件供电的电源(比如电池)，可选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
156.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
157.上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
158.在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的业务系统检测装置20)、程序代码等，例如，上述的各个模块。
159.所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31
中存储的程序代码以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到业务系统检测的目的。
160.示例性的，所述程序代码可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器32执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述程序代码在所述电子设备3中的执行过程。例如，所述程序代码可以被分割成获取模块201、配置模块202、启动模块203、识别模块204及异常检测模块205。
161.在本发明的一个实施例中，所述存储器31存储多个计算机可读指令，所述多个计算机可读指令被所述至少一个处理器32所执行以实现业务系统检测的功能。
162.具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
163.在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
164.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
165.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
166.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
167.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种业务系统检测方法，其特征在于，应用于所述方法包括：响应于接收的系统测试请求，获取目标业务系统的测试需求；基于所述测试需求对rpa机器人进行参数配置；当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的；响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果；对所述目标识别结果进行异常检测，得到检测结果。2.如权利要求1所述的业务系统检测方法，其特征在于，所述启动所述rpa机器人，获取所述目标业务系统的目标截图包括：启动所述rpa机器人，所述rpa机器人从配置的参数中获取所述目标业务系统的登录路径；所述rpa机器人链接所述登录路径，截图登录界面图片；所述rpa机器人在接收到登录界面图片截取完成时，从配置的参数中获取所述目标业务系统的登录账户和密码，并将所述登录账户和密码自动填充至登录界面，依次根据所述目标业务系统的每个预设业务功能的rpa规则流程登入对应预设业务功能的目标页面，并截取所述目标页面图片，得到多个目标页面图片；将所述登录界面图片和所述多个目标页面图片确定为所述目标业务系统的目标截图。3.如权利要求1所述的业务系统检测方法，其特征在于，所述对所述目标截图进行识别，得到目标识别结果包括：采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果；采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果；将所述第一识别结果和所述第二识别结果确定为目标识别结果。4.如权利要求3所述的业务系统检测方法，其特征在于，所述对所述目标识别结果进行异常检测，得到检测结果包括：对所述第一识别结果进行异常关键词查询，得到第一异常关键词；若在预设的第一数据库中匹配到任意一个第一异常关键词，确定检测结果为所述目标业务系统异常；和/或对所述第二识别结果进行异常关键词查询，得到第二异常关键词；若在预设的第二数据库中匹配到任意一个第二异常关键词，确定检测结果为所述目标业务系统异常。5.如权利要求4所述的业务系统检测方法，其特征在于，在所述对所述目标识别结果进行异常检测，得到检测结果之后，所述方法还包括：将所述检测结果发送至客户端；当接收到所述客户端反馈的所述检测结果中的第一异常关键词不为正确的异常关键词时，从所述预设的第一数据库中删除掉所述第一异常关键词；获取所述第一异常关键词对应的登录界面图片，将所述登录界面图片添加至所述预设的第一识别模型的训练集中，得到第一训练集，并基于所述第一训练集对所述第一识别模型进行重新训练；和/或
当接收到所述客户端反馈的所述检测结果中的第二异常关键词不为正确的异常关键词时，从所述预设的第二数据库中删除掉所述第二异常关键词；获取所述第二异常关键词对应的目标页面图片，将所述目标页面图片添加至所述预设的第二识别模型的训练集中，得到第二训练集，并基于所述第二训练集对所述第二识别模型进行重新训练。6.如权利要求3所述的业务系统检测方法，其特征在于，所述采用预设的第一识别模型对所述目标截图中的登录界面图片进行文字识别，得到第一识别结果包括：判断所述登录界面图片中是否存在第一可视化弹窗；若所述登录界面图片中存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述第一可视化弹窗进行文字识别，得到第一识别结果；若所述登录界面图片中不存在所述第一可视化弹窗，采用所述预设的第一识别模型对所述登录界面图片进行文字识别，得到第一识别结果。7.如权利要求3所述的业务系统检测方法，其特征在于，所述采用预设的第二识别模型依次对所述目标截图中的每个目标页面图片进行文字识别，得到第二识别结果包括：判断所述每个目标页面图片中是否存在第二可视化弹窗；若任意一个目标页面图片中存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述第二可视化弹窗进行文字识别，得到第二识别结果；若任意一个目标页面图片中不存在所述第二可视化弹窗，采用所述预设的第二识别模型对所述任意一个目标页面图片进行文字识别，得到第二识别结果。8.一种业务系统检测装置，其特征在于，所述装置包括：获取模块，用于响应于接收的系统测试请求，获取目标业务系统的测试需求；配置模块，用于基于所述测试需求对rpa机器人进行参数配置；启动模块，用于当侦测到所述参数配置完成指令时，启动所述rpa机器人，获取所述目标业务系统的目标截图，其中，所述目标截图是所述rpa机器人根据配置的参数登录所述目标业务系统，并对所述目标业务系统进行截图后得到的；识别模块，用于响应于接收的所述rpa机器人上报的目标截图，对所述目标截图进行识别，得到目标识别结果；异常检测模块，用于对所述目标识别结果进行异常检测，得到检测结果。9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的业务系统检测方法。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的业务系统检测方法。

技术总结
本发明涉及人工智能技术领域，提供一种业务系统检测方法、装置、电子设备及存储介质，所述方法包括：获取目标业务系统的测试需求；基于测试需求对RPA机器人进行参数配置；当侦测到参数配置完成指令时，启动RPA机器人，获取目标业务系统的目标截图，其中，目标截图是RPA机器人根据配置的参数登录目标业务系统，并对目标业务系统进行截图后得到的；响应于接收的RPA机器人上报的目标截图，对目标截图进行识别，得到目标识别结果；对目标识别结果进行异常检测，得到检测结果。本发明通过RPA机器人自动登录目标业务系统并截取目标截图，对目标截图进行识别和异常检测，无需人工参与，提高了业务系统的检测效率。业务系统的检测效率。业务系统的检测效率。


技术研发人员：张平
受保护的技术使用者：深圳平安综合金融服务有限公司
技术研发日：2023.04.06
技术公布日：2023/7/12