技术摘要：
本申请是申请号为201911274628.X的分案申请。本发明公开了包含滑动图案标识的产品功能耐久性测试自学习方法，所述方法包括：将特征标识集扩展为规模性特征标识集；获取待测产品的ROI图像，匹配并定位ROI图像中的特征标识；依次触控待测产品对应的特征标识，在检测到状  全部
背景技术：
目前现有的产品耐久性测试通常采用人工锁定按键位置，而后由测试机器对按键 进行耐久性测试。这种方式具有准确率高的优点。然而，由于不同产品的按键位置不同，需 要测试人员预先熟悉产品操作，而后在每个按键的测试过程中，调整测试机器测试触头的 位置，较为浪费时间，影响了测试效率。
技术实现要素：
为克服现有的测试机器测试效率低下的问题，本发明实施例一方面提供了一种包 含滑动图案标识的产品功能耐久性测试自学习方法，包括： 根据预设方法将特征标识集扩展为规模性特征标识集，特征标识包括图案标识、 字符标识或组合标识； 获取待测产品的ROI图像，根据所述规模性特征标识集匹配并定位ROI图像中的特 征标识； 根据预设优先级依次触控待测产品对应的特征标识，在检测到状态反馈后，标记 被触控的所述特征标识为功能标识，并标记状态反馈的对应特征标识为待定标识，所述状 态反馈包括光源的点亮/熄灭； 当触控对应的待定标识且检测到状态反馈时，标记对应的待定标识为功能标识； 当触控对应的待定标识且未检测到状态反馈时，标记对应的待定标识为指示标 识； 对所述功能标识进行耐久性测试； 当待测产品包含图案标识时，所述获取待测产品的ROI图像，根据所述规模性特征 标识集匹配并定位ROI图像中的特征标识的步骤，包括： 在待测产品的测试面板图像中确定ROI图像； 选取ROI图像中的非字符标识； 筛选预设尺寸内的非字符标识为待定图案标识； 利用卷积神经网络和规模性特征标识集中的图案标识集确定待定图案标识的第 二匹配系数，确定第二匹配系数大于第二关联度阈值的待定图案标识为图案标识； 获取所有图案标识在规模性特征标识集中的批注，并根据所述批注将所有图案标 识划分为点触图案标识或滑动图案标识； 4 CN 111553357 A 说　明　书 2/9 页 将点触图案标识单一网格化，获取单一网格化中心坐标作为对应点触图案标识的 定位目标； 确定滑动图案标识的刻度，并获取刻度中轴线作为对应滑动图案标识的定位目 标； 当待测产品包含滑动图案标识时，所述当触控对应的待定标识且检测到状态反馈 时，标记对应的待定标识为功能标识的步骤，包括： 控制测试触头自刻度中轴线一端向另一端滑动； 获取测试触头在各刻度时对应的状态反馈； 建立所述各刻度与所述状态反馈的配对关系库。 本发明实施例通过预先采集与产品关联的特征标识集，并将特征标识集扩展为规 模性特征标识集，通过获取待测产品的ROI图像，匹配待测产品中与规模性特征标识集关联 的特征标识，而后提取规模性特征标识集中的相关内容，并根据匹配内容对所有特征标识 按优先级依次触控，确定与按键对应的功能标识，以及仅起到状态显示的指示标识，实现了 测试装置对不同产品按键标识的自学习和按键位置的锁定功能；使得在耐久性测试过程中 尽量减少人力参与，提升了自动化水平，提高了效率；同时，本实施例可以根据待测产品的 状态反馈自动的区分功能标识和指示标识，避免了将产品图案检测为功能按键的情况，进 一步提高了检测效率。 附图说明 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。 图1是本发明第一实施例的产品功能耐久性测试自学习方法的流程图； 图2是本发明第一实施例的印刷字体集获取方法的流程图； 图3是本发明第一实施例的现实字体集和图案标识集的获取方法的流程图； 图4是本发明第一实施例的字符标识的匹配和定位方法的流程图； 图5是本发明第一实施例的字符标识的匹配和定位方法的示意图； 图6是本发明第一实施例的卷积神经网络的模型图； 图7是本发明第一实施例的图案标识的匹配和定位方法的流程图； 图8是本发明第一实施例的组合标识的匹配和定位方法的流程图； 图9是本发明第一实施例的含外围框的第一组合标识匹配和定位方法的示意图； 图10是本发明第一实施例的不含外围框的第一组合标识匹配和定位方法的示意 图； 图11是本发明第一实施例的第三组合标识匹配和定位方法的示意图； 图12是本发明第一实施例的S14的详细流程图； 图13是发明第二实施例的产品功能耐久性测试自学习系统的立体图； 图14是发明第二实施例的测试组件的立体图。 5 CN 111553357 A 说　明　书 3/9 页