REVIEW OF RESEARCH IN VISUAL TESTING OF WEB INTERFACES BASED ON ARTIFICIAL INTELLIGENCE METHODS

Благодаря современным достижениям в области искусственного интеллекта (ИИ) и машинного обучения, а также их применения для тестирования программного обеспечения, пересечению ИИ и тестированию уделяется пристальное внимание. Статья посвящена обзору автоматизированного визуального тестирования с помощью методов искусственного интеллекта. Целью работы является обзор исследований применения искусственного интеллекта для тестирования web-приложений. В литературе по тестированию графического пользовательского интерфейса (GUI) особое внимание уделяется тестированию функциональности системы через ее графический интерфейс, а не тестированию визуальных аспектов самого графического интерфейса. В этой статье вводится понятие визуального тестирования как подмножества тестирования графического интерфейса. Чтобы исследовать визуальное тестирование, проведено исследование дефектов в четырех системах с открытым исходным кодом. The purpose of the research is to study artificial intelligence tools and technologies for analyzing, processing and comparing With recent advances in artificial intelligence (AI) and machine learning, and their applications to software testing, the intersection of AI and testing is getting a lot of attention. The article is devoted to an overview of automated visual testing using artificial intelligence methods. The aim of the work is to review the research on the use of artificial intelligence for testing web applications. The graphical user interface (GUI) testing literature focuses on testing the functionality of a system through its GUI rather than testing the visual aspects of the GUI itself. In this article, we introduce the concept of visual testing as a subset of GUI testing. To explore visual testing, we conducted a defect study on four open source systems. We have found that visual defects account for 16% to 33% of reported defects in these systems. Two categories of visual defects are distinguished with six subcategories within each of them. Other findings are also reported to motivate the importance and need for systematic visual testing among researchers and practitioners.