劉輝煌, 王國(guó)潞, 李 雷, 占日新

(1.中國(guó)直升機(jī)設(shè)計(jì)研究所，江西 景德鎮(zhèn) 333001； 2.中國(guó)人民解放軍32075部隊(duì)，江蘇 南京 210018)

不可超越速度(Velocity Never-Exceed,VNE)是指飛行器禁止在該速度以上運(yùn)行，否則會(huì)導(dǎo)致機(jī)體結(jié)構(gòu)損壞、操縱失效或其他直接影響飛行安全的情況出現(xiàn)[1]。在直升機(jī)試驗(yàn)試飛時(shí)，不可超越速度是衡量直升機(jī)性能的一項(xiàng)重要指標(biāo)，在其制定過(guò)程中需要經(jīng)過(guò)嚴(yán)格的理論驗(yàn)證和試飛論證，其測(cè)試結(jié)果也將直接影響到新型號(hào)的經(jīng)濟(jì)性和市場(chǎng)前景。

VNE分為有動(dòng)力和無(wú)動(dòng)力兩種，前者表示發(fā)動(dòng)機(jī)正常提供動(dòng)力時(shí)的不可超越速度，后者表示脫開發(fā)動(dòng)機(jī)動(dòng)力狀態(tài)時(shí)的不可超越速度，兩者都受高度、旋翼轉(zhuǎn)速、溫度和質(zhì)量的影響[2]。在VNE的測(cè)試中，其計(jì)算模型將多個(gè)機(jī)載傳感器變量作為輸入，通過(guò)改變輸入值來(lái)對(duì)比空速表上VNE值是否與實(shí)際計(jì)算值相等。因此在常規(guī)測(cè)試中，往往需要人工輸入測(cè)試用例，并采用目視估計(jì)進(jìn)行測(cè)試用例比對(duì)，不僅費(fèi)時(shí)費(fèi)力，而且測(cè)試準(zhǔn)確率不高，給直升機(jī)性能參數(shù)測(cè)試論證帶來(lái)很大困難[3-4]。此外，VNE測(cè)試為實(shí)現(xiàn)覆蓋測(cè)試所需的用例多、結(jié)合地面聯(lián)試的特點(diǎn)，測(cè)試用例的執(zhí)行總次數(shù)將非常龐大。

近些年，從設(shè)備的顯示界面出發(fā)，各種自動(dòng)化測(cè)試方法不斷被提出，且取得了不錯(cuò)的效果，其主要原因在于能夠從非結(jié)構(gòu)化的圖像中提取結(jié)構(gòu)化的描述，具有較強(qiáng)的針對(duì)性，而且能夠確保系統(tǒng)的安全性。一般而言，采用人工智能算法可確保一定的效率和精度，但是其缺點(diǎn)是具有較高的復(fù)雜度，而且魯棒性無(wú)法得到保證。而采用傳統(tǒng)的識(shí)別方法往往無(wú)法對(duì)特征進(jìn)行有效的提取，因此存在識(shí)別率低的問題。而且在測(cè)試過(guò)程中，采集圖像時(shí)容易受到環(huán)境光照和各種噪聲的影響，從而導(dǎo)致VNE的自動(dòng)準(zhǔn)確識(shí)別具有較大挑戰(zhàn)性[5]。

為了實(shí)現(xiàn)VNE的自動(dòng)準(zhǔn)確識(shí)別，本文提出一種基于霍夫變換和時(shí)頻域特征的VNE自動(dòng)識(shí)別算法。為了緩解環(huán)境中噪聲帶來(lái)的影響，采用高斯濾波對(duì)圖像進(jìn)行增強(qiáng)處理，避免因噪聲帶來(lái)后續(xù)的誤識(shí)別。然后將圖像轉(zhuǎn)化為二值圖像，并采用霍夫變換對(duì)圖像中的直線進(jìn)行檢測(cè)，通過(guò)先驗(yàn)信息篩選得到有動(dòng)力VNE和無(wú)動(dòng)力VNE指示線。為了獲得指示線對(duì)應(yīng)的讀數(shù)，同樣采用霍夫變換定位并提取到實(shí)時(shí)空速區(qū)域，并從時(shí)域和頻域構(gòu)造圖像的LBP(Local Binary Pattern，局部二值模式)和感知哈希融合特征，進(jìn)而進(jìn)行模板匹配識(shí)別讀數(shù)，最后定位到實(shí)時(shí)空速區(qū)域上下刻度的位置，利用相對(duì)位置關(guān)系估算得到指示線的VNE值。將該識(shí)別算法集成到VNE自動(dòng)測(cè)試系統(tǒng)中，在軟件層面實(shí)現(xiàn)了自動(dòng)化測(cè)試，從而為VNE自動(dòng)化測(cè)試系統(tǒng)的實(shí)現(xiàn)提供了可行性和可靠性論證，為直升機(jī)性能參數(shù)自動(dòng)化測(cè)試等提供了新的思路。

1 自動(dòng)化測(cè)試框架

在自動(dòng)化測(cè)試場(chǎng)景中，基于圖像識(shí)別技術(shù)的VNE自動(dòng)化測(cè)試系統(tǒng)架構(gòu)主要包括圖像采集、圖像自動(dòng)識(shí)別和測(cè)試結(jié)果顯示與輸出三大模塊。主要流程可以概述如下。

① 相機(jī)接收到計(jì)算機(jī)給出的觸發(fā)信號(hào)，開始采集圖像，并將采集到的圖像傳輸給計(jì)算機(jī)，每一次觸發(fā)信號(hào)采集一幀圖像，并對(duì)應(yīng)一個(gè)測(cè)試用例。

② 計(jì)算機(jī)在接收到圖像數(shù)據(jù)后，首先進(jìn)行圖像預(yù)處理，隨后提取空速刻度帶區(qū)域，并定位到有動(dòng)力VNE和無(wú)動(dòng)力VNE指示線。之后，提取刻度帶上實(shí)時(shí)空速區(qū)域，并對(duì)實(shí)時(shí)空速進(jìn)行識(shí)別，從而定位到當(dāng)前畫面中任意的兩個(gè)刻度所對(duì)應(yīng)的值和位置，最后通過(guò)位置關(guān)系換算得到有動(dòng)力VNE和無(wú)動(dòng)力VNE所對(duì)應(yīng)指示線的值。

③ 將有動(dòng)力VNE和無(wú)動(dòng)力VNE識(shí)別結(jié)果與測(cè)試用例基準(zhǔn)值進(jìn)行對(duì)比，從而得到測(cè)試結(jié)果并輸出。

2 VNE指示圖像自動(dòng)識(shí)別算法

VNE自動(dòng)識(shí)別算法作為自動(dòng)測(cè)試系統(tǒng)中的核心部分，通過(guò)對(duì)已采集的圖像進(jìn)行空速表區(qū)域提取、圖像預(yù)處理、指示線定位、實(shí)時(shí)空速上下刻度識(shí)別和VNE估算等一系列算法處理，從而將識(shí)別的VNE值和測(cè)試用例進(jìn)行比對(duì)，得到最終的測(cè)試結(jié)果輸出，VNE自動(dòng)識(shí)別流程如圖1所示。

高斯濾波作為自動(dòng)識(shí)別算法的預(yù)處理操作，主要為了緩解環(huán)境因素所帶來(lái)的噪聲干擾，增強(qiáng)圖像的細(xì)節(jié)表現(xiàn)。指示線定位主要采用霍夫變換進(jìn)行處理，從而準(zhǔn)確有效地檢測(cè)到圖像中的直線，并通過(guò)長(zhǎng)度等先驗(yàn)信息篩選有動(dòng)力VNE和無(wú)動(dòng)力VNE指示線。實(shí)時(shí)空速識(shí)別與位置獲取主要為了獲得實(shí)時(shí)空速區(qū)域，并識(shí)別對(duì)應(yīng)的空速值，最終采用時(shí)頻域特征結(jié)合的方式獲得指示線對(duì)應(yīng)的刻度值，從而計(jì)算有動(dòng)力VNE和無(wú)動(dòng)力VNE。

3 空速表區(qū)域提取與指示線定位

3.1 空速表區(qū)域提取

在自動(dòng)化測(cè)試過(guò)程中，圖像尺寸成為制約VNE識(shí)別速度的主要因素，為了提升算法的識(shí)別效率，僅提取空速表區(qū)域進(jìn)行處理。由于測(cè)試圖像為固定位置的相機(jī)所采集，圖像中空速表的位置不變，通過(guò)交互提取空速表的左上和右下頂點(diǎn)坐標(biāo)，并定位后續(xù)圖像中的空速表區(qū)域。

由于環(huán)境中光照變化、硬件電路元器件相互影響和圖像傳輸過(guò)程中存在噪聲等因素，導(dǎo)致采集的圖像受到一定程度的噪聲污染，因此需要對(duì)其進(jìn)行去噪、增強(qiáng)等處理，從而凸顯細(xì)節(jié)區(qū)域。

圖1 VNE自動(dòng)識(shí)別流程

高斯濾波[6]是一種線性平滑濾波，通過(guò)對(duì)圖像中每個(gè)像素點(diǎn)本身和其鄰域進(jìn)行加權(quán)平均，從而達(dá)到去除圖像中噪聲和平滑圖像的目的。高斯模板由高斯公式計(jì)算得到，表達(dá)式為

(1)

式中:(x,y)為濾波器的中心像素點(diǎn)坐標(biāo);σ為標(biāo)準(zhǔn)差。本文分別對(duì)圖像的R、G、B三個(gè)通道進(jìn)行濾波處理，再將3個(gè)濾波后的通道圖像進(jìn)行合并，經(jīng)過(guò)高斯濾波后的圖像如圖2所示。

圖2 圖像高斯濾波結(jié)果

從圖2中可以發(fā)現(xiàn)，經(jīng)過(guò)高斯濾波后的圖像細(xì)節(jié)信息更為明顯，局部特征保留完好，有利于后續(xù)VNE值識(shí)別。

3.2 VNE指示線定位

霍夫變換作為一種從圖像空間到參數(shù)空間映射的方法，具有清晰的幾何解析性，容錯(cuò)性和魯棒性較好，而且具有較可靠的直線提取能力，因此能夠有效提取圖像中的直線特征，獲得不同顏色和線型的指示線位置[7-8]。其基本原理是利用點(diǎn)與線的對(duì)偶性，將圖像坐標(biāo)系中一條直線上所有點(diǎn)通過(guò)參數(shù)表達(dá)式轉(zhuǎn)換到參數(shù)坐標(biāo)系中，形成N條直線，將檢測(cè)問題從原始圖像空間的整體變換到參數(shù)空間中的局部問題[9-10]。

直線在直角坐標(biāo)系下的直線方程式為

y=kx+b

(2)

式中：k為斜率;b為截距;(x,y)為直線上任意一點(diǎn)的坐標(biāo)。當(dāng)使用霍夫空間參數(shù)為ρ-θ時(shí)，將直角坐標(biāo)系中的某一直線使用參數(shù)方程表達(dá)式變換到極坐標(biāo)系中，極坐標(biāo)方程為

ρ=xcosθ+ysinθ, 0≤θ≤π

(3)

將直角坐標(biāo)系中任意一點(diǎn)(xi,yi)作為已知量，那么k、b為變量坐標(biāo)。將極坐標(biāo)系(ρ,θ)作為變換空間，點(diǎn)(xi,yi)在極坐標(biāo)系中的參數(shù)方程式為

ρ=xicosθ+yisinθ, 0≤θ≤π,ρ≥0

(4)

式中：x=ρcosθ；y=ρsinθ；ρ為極點(diǎn)O與點(diǎn)P的距離；θ為射線按逆時(shí)針方向與極軸的夾角。直角坐標(biāo)系中直線上的所有點(diǎn)通過(guò)極坐標(biāo)方程轉(zhuǎn)換到極坐標(biāo)系中可以得到N條正弦曲線，且聚焦于同一點(diǎn)。

有動(dòng)力VNE和無(wú)動(dòng)力VNE指示線具有明顯的顏色區(qū)分性，紅色實(shí)線代表有動(dòng)力VNE指示線，紅白相間線表示無(wú)動(dòng)力VNE指示線。為了識(shí)別紅色線，采用顏色特征將像素點(diǎn)逐一判別轉(zhuǎn)換為二值圖像。指示線的定位采用霍夫變換進(jìn)行直線檢測(cè)，并利用長(zhǎng)度等特征篩選符合條件的直線，從而得到有動(dòng)力VNE指示線的上下端，進(jìn)而得到刻度線的中心位置。二值圖像與其對(duì)應(yīng)的霍夫空間如圖3所示。采用同樣的步驟對(duì)無(wú)動(dòng)力VNE指示線進(jìn)行處理，得到的二值圖像和其對(duì)應(yīng)的霍夫空間如圖4所示，定位結(jié)果如圖5所示。

圖3 有動(dòng)力VNE二值圖像及對(duì)應(yīng)的霍夫空間

圖4 無(wú)動(dòng)力VNE二值圖像以及對(duì)應(yīng)的霍夫空間

圖5 有動(dòng)力VNE和無(wú)動(dòng)力VNE指示線定位結(jié)果

4 實(shí)時(shí)空速識(shí)別與位置提取

4.1 基于時(shí)頻域特征的模板匹配

模板匹配[11-12]作為一種高效的圖像相似度計(jì)量方法，其將待識(shí)別圖像或圖像區(qū)域中提取的若干特征量與模板相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間歸一化的互相關(guān)量，并將圖像分到最大互相關(guān)量對(duì)應(yīng)的類。在匹配過(guò)程中，圖像相似度計(jì)算是對(duì)兩幅圖像進(jìn)行相似程度打分，根據(jù)分?jǐn)?shù)的高低判斷圖像內(nèi)容的相近程度。其中常見的相似度計(jì)算方法有直方圖匹配[13]、奇異值分解(Singular Value Decomposition,SVD)[14]和特征點(diǎn)相似性[15-16]等。直方圖匹配方法反映的是圖像像素灰度值的概率分布，而忽略了像素在圖像中的位置信息，而且采用歸一化相關(guān)系數(shù)計(jì)算向量的相似性，會(huì)導(dǎo)致圖像的空間信息丟失，因此度量結(jié)果具有一定的局限性。SVD是基于圖像整體的表示，雖然通過(guò)SVD可以得到穩(wěn)定、唯一且低維度的特征描述，提高抵抗干擾和噪聲的能力，但是由于SVD得到的奇異矢量中有負(fù)數(shù)存在，難以較好地解釋其物理意義[17]?；谔卣鼽c(diǎn)的相似性度量方法主要思想是提取圖像特征點(diǎn)，以此表示圖像中的角點(diǎn)、拐點(diǎn)等信息，最后通過(guò)兩幅圖像特征點(diǎn)的個(gè)數(shù)或差異衡量其相似程度。常見的特征點(diǎn)表示方法有Harris角點(diǎn)[18]、SIFT特征點(diǎn)[19-20]、LBP特征點(diǎn)[21]和感知哈希編碼[22]等。

LBP算法一般用來(lái)描述圖像局部紋理特征，在圖像處理和計(jì)算機(jī)視覺領(lǐng)域具有廣泛的應(yīng)用。由于LBP主要用于描述圖像局部紋理特征，通過(guò)測(cè)量像素與其周圍像素之間的差異，并捕獲局部圖像紋理的空間結(jié)構(gòu)[23]，有利于描述各種復(fù)雜場(chǎng)景下的圖像，十分適用于低維圖像特征表示。LBP編碼的計(jì)算方式為

(5)

(6)

式中：gc為中心像素的灰度值；gp為半徑R圓域內(nèi)像素的灰度值，其中，下標(biāo)p為鄰域內(nèi)每個(gè)像素點(diǎn)對(duì)應(yīng)的標(biāo)號(hào)，p=0,1,…,P-1，P為鄰域像素點(diǎn)個(gè)數(shù)。

操作算子CLBP_P,R通過(guò)中心像素點(diǎn)周圍的P個(gè)像素產(chǎn)生2P個(gè)不同的二進(jìn)制模式，但是圖像一旦旋轉(zhuǎn)，相鄰像素將沿著圍繞中心像素的圓周相應(yīng)地移動(dòng)，因此將產(chǎn)生不同的CLBP_P,R值。為了獲得唯一的CLBP_P,R值，研究者提出了旋轉(zhuǎn)不變LBP[24]，對(duì)應(yīng)表達(dá)式為

(7)

(8)

僅采用LBP特征來(lái)衡量?jī)蓮垐D像相似度往往只關(guān)注時(shí)域內(nèi)容，而忽略了圖像頻域上的差異，因此具有一定的局限性。為了增強(qiáng)模板匹配的穩(wěn)定性和準(zhǔn)確性，本文采用時(shí)頻域特征融合的相似度計(jì)算方法，分別提取目標(biāo)圖像和匹配圖像中時(shí)頻域特征，并將其進(jìn)行編碼和融合，計(jì)算其相似度。感知哈希算法具有良好的頻域特性，計(jì)算過(guò)程較為簡(jiǎn)單，其原理是采用離散余弦變換來(lái)獲取圖像的低頻成分，有效減少了圖像中的冗余特征，并且有效避免伽馬射線校正或顏色直方圖被調(diào)整所帶來(lái)的影響[25]。但是，由于感知哈希算法僅考慮了圖像的低頻分量，而忽略了高頻分量帶來(lái)的影響，因此損失了圖像中對(duì)邊緣和輪廓的度量。為了避免圖像頻率分量的損失，本文將頻域圖像分塊，并分別計(jì)算每個(gè)圖像塊的哈希編碼，最后對(duì)所有圖像塊哈希編碼進(jìn)行連接。綜合考慮時(shí)域和頻域特征上的優(yōu)勢(shì)，將圖像進(jìn)行LBP特征提取之后，再采用感知哈希算法進(jìn)行編碼，從而得到時(shí)域特征，將時(shí)域編碼和頻域編碼進(jìn)行連接，得到圖像的時(shí)頻域特征表示。最后對(duì)目標(biāo)圖像和匹配圖像的特征進(jìn)行異或運(yùn)算，從而得到相似度?；跁r(shí)頻域特征的模板匹配過(guò)程如圖6所示。

圖6 基于時(shí)頻域特征的模板匹配

4.2 實(shí)時(shí)空速值提取與識(shí)別

實(shí)時(shí)空速區(qū)域的上下端具有兩條較長(zhǎng)的灰色直線，因此可以利用該先驗(yàn)信息進(jìn)行定位。采用VNE指示線定位的思路，首先利用顏色特征將其轉(zhuǎn)換為二值圖像，隨后采用霍夫變換得到上下直線的位置，最后提取實(shí)時(shí)空速區(qū)域。具體處理過(guò)程如圖7所示。

圖7 實(shí)時(shí)空速區(qū)域提取流程

為了準(zhǔn)確識(shí)別空速區(qū)域的數(shù)值，先對(duì)空速區(qū)域進(jìn)行字符分割，然后分別識(shí)別單個(gè)字符。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)間隙處取得局部最小值的附近，因此在較為復(fù)雜的環(huán)境下垂直投影法能對(duì)字符進(jìn)行較為準(zhǔn)確的分割。

通過(guò)對(duì)字符進(jìn)行分割，可以對(duì)每個(gè)字符進(jìn)行識(shí)別，一般采用神經(jīng)網(wǎng)絡(luò)算法[6]和模板匹配算法。相較于神經(jīng)網(wǎng)絡(luò)算法，模板匹配算法具有簡(jiǎn)單易理解、速度快且精度高的特點(diǎn)，因此本文采用模板匹配算法對(duì)單個(gè)數(shù)字進(jìn)行識(shí)別，具體處理流程如圖8所示。

圖8 實(shí)時(shí)空速識(shí)別流程

4.3 實(shí)時(shí)空速參考刻度位置獲取

為了得到實(shí)時(shí)空速上下刻度值，在實(shí)時(shí)空速基礎(chǔ)上增加和減少一個(gè)偏移量，即可得到上下刻度值。然后采用基于時(shí)頻域特征的模板匹配分別進(jìn)行定位，具體處理流程如圖9所示，具體步驟如下。

圖9 上刻度值定位流程

① 由于刻度值都是10的倍數(shù)，因此模板庫(kù)可以針對(duì)這一特性進(jìn)行制作，即每一張模板圖像都是10的倍數(shù)的數(shù)字，且圖片以該數(shù)值進(jìn)行命名。

② 為了提升模板匹配的效率，對(duì)刻度帶的數(shù)值區(qū)域進(jìn)行提取，從而使得寬度與模板圖像寬度相同。

③ 從模板庫(kù)中讀取上刻度所對(duì)應(yīng)的模板圖像，并從上至下依次從刻度帶區(qū)域進(jìn)行滑動(dòng)，每滑動(dòng)一次計(jì)算一個(gè)匹配相似度，相似度最大的位置即為上刻度的位置。對(duì)于下刻度值的定位，重復(fù)上述步驟即可。

當(dāng)?shù)玫缴舷驴潭戎档奈恢煤?，直接采用相?duì)位置關(guān)系換算得到指示線處的讀數(shù)，即VNE值。具體表達(dá)式為

(9)

式中：Su、Sd、SVNE分別為上刻度值、下刻度值和VNE指示值；lu、ld、lVNE分別為上刻度坐標(biāo)、下刻度坐標(biāo)和VNE指示坐標(biāo)。

5 軟件實(shí)現(xiàn)與評(píng)估

VNE自動(dòng)測(cè)試軟件基于MATLAB開發(fā)，可以實(shí)現(xiàn)測(cè)試用例導(dǎo)入、VNE識(shí)別和測(cè)試結(jié)果顯示與輸出。VNE指示線定位作為軟件算法實(shí)現(xiàn)過(guò)程中的關(guān)鍵環(huán)節(jié)，對(duì)識(shí)別結(jié)果有較大的影響，因此本文對(duì)軟件的指示線定位性能進(jìn)行分析。為了分析VNE指示線在不同位置處軟件的指示線定位性能，本文對(duì)測(cè)試圖像進(jìn)行處理，得到部分測(cè)試結(jié)果如圖10所示，藍(lán)色線表示定位位置。

圖10 部分指示線定位結(jié)果

為測(cè)試軟件的實(shí)際檢測(cè)效果，將測(cè)試用例導(dǎo)入到系統(tǒng)中，通過(guò)軟件讀取每一幀圖像，并對(duì)每一幀圖像進(jìn)行識(shí)別，將識(shí)別結(jié)果與測(cè)試用例進(jìn)行比對(duì)得到相應(yīng)的測(cè)試結(jié)果。由于測(cè)試用例有限，本文僅采用1000份測(cè)試樣例進(jìn)行分析，分別計(jì)算識(shí)別準(zhǔn)確性、系統(tǒng)穩(wěn)定性和檢測(cè)效率，進(jìn)而對(duì)軟件的可行性進(jìn)行探討，測(cè)試結(jié)果如表1所示。系統(tǒng)穩(wěn)定性的評(píng)估通過(guò)隨機(jī)抽取100個(gè)測(cè)試用例，對(duì)其進(jìn)行重復(fù)測(cè)試，每個(gè)測(cè)試用例的測(cè)試結(jié)果相同則表示穩(wěn)定，否則表示不穩(wěn)定。

表1 測(cè)試結(jié)果對(duì)比

上述特征提取方法中，基于Harris和SIFT提取圖像特征點(diǎn)的方法具有較高的時(shí)間復(fù)雜度，在耗時(shí)方面均比其他方法長(zhǎng)，但是其能保持一定的準(zhǔn)確性。而采用直方圖匹配和SVD的方法雖然具有較短的檢測(cè)時(shí)間，但是其準(zhǔn)確率偏低。而采用LBP特征的方法具有一定的優(yōu)勢(shì)，由于其提取特征的稀疏性，能夠表達(dá)圖像中更多的特征，因此其準(zhǔn)確率和檢測(cè)效率均較高。

綜合分析不同的方法，不同特征構(gòu)造方法在準(zhǔn)確率、穩(wěn)定性和檢測(cè)時(shí)間方面均存在不足，而本文采用的時(shí)頻特征融合方法具有較強(qiáng)的魯棒性，能夠有效提高VNE識(shí)別的準(zhǔn)確率，檢測(cè)效率相比其他方法有了較大提升，也能夠滿足實(shí)際場(chǎng)景的需要?？傊疚奶岢龅姆椒o(wú)論是系統(tǒng)穩(wěn)定性方面，還是識(shí)別準(zhǔn)確率和效率方面，都具有一定的競(jìng)爭(zhēng)性。

4 結(jié)束語(yǔ)

為了實(shí)現(xiàn)VNE值的高效自動(dòng)化識(shí)別，本文提出一種基于霍夫變換和時(shí)頻域特征的VNE自動(dòng)識(shí)別算法，并在此基礎(chǔ)上設(shè)計(jì)了一款自動(dòng)化測(cè)試軟件。經(jīng)過(guò)實(shí)際測(cè)試驗(yàn)證，結(jié)果表明該軟件能夠高效地對(duì)VNE值進(jìn)行準(zhǔn)確自動(dòng)化識(shí)別，且操作簡(jiǎn)單，交互界面友好，在直升機(jī)VNE參數(shù)的自動(dòng)化識(shí)別中具有較高的效率，同時(shí)為其他自動(dòng)化測(cè)試提供了新的思路，有效節(jié)省了測(cè)試時(shí)間和測(cè)試成本。