车载电子数据取证项目
行业场景
随着我国汽车保有量持续增长，交通事故责任认定对车辆真实行驶数据的依赖度越来越高。传统事故鉴定依赖行车记录仪或现场勘查，数据易缺失、易篡改且不完整。本项目面向交警、刑侦等执法部门，通过读取车载EDR（事件数据记录器）中事故发生前后的真实运行数据（车速、制动、转向、气囊触发等），为事故责任认定、刑事侦查取证提供客观、不可篡改的数据支撑。
脑卒中康复项目
行业场景
脑卒中（中风）以及术后恢复是我国成年人致残的首要原因，患者术后常伴有肢体运动功能障碍。传统康复训练依赖治疗师一对一指导，人力成本高、效率低，且训练数据难以量化追踪。本项目面向医院康复科，通过VR虚拟现实+可穿戴传感器技术，让患者在游戏化场景中自主完成患肢训练，医生端可远程管控多名患者，大幅提升康复训练效率与数据可追溯性。
不便透露！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
本人在项目中负责完整的测试流程，包括测试方案制定、测试用例设计与执行、UI自动化测试框架搭建、硬件模块联调测试及缺陷跟踪闭环。技术方面基于Appium+pytest+Allure搭建了Android端UI自动化测试框架，采用POM页面对象模式封装首页、EDR取证全流程、车辆数据页等核心模块，自动化覆盖率约70%、累计200+用例；同时配合蓝牙VCI硬件完成实车读取与模块读取的联调测试。项目难点在于EDR数据读取涉及蓝牙通信稳定性与硬件状态机时序，自动化用例需处理进度条等待、弹窗坐标定位等复杂场景；通过显式等待与多策略回首页机制保障了用例运行稳定性，显著降低了版本迭代回归测试的人工成本。
覆盖Web医生端、VR患者端及传感器硬件的全链路质量保障。技术方面使用Jmeter/Charles完成医生端与患者端通信接口的功能与性能验证，使用Selenium搭建Web端自动化测试脚本保障医生端核心操作回归。项目难点在于医疗级产品对数据准确性要求极高，需验证传感器采集的患肢训练角度、得分等数据与实际运动的一致性；同时一对多患者端控制涉及多端并发与状态同步，通过接口并发测试与长稳测试保障了系统在多患者同时训练场景下的稳定性，确保康复训练数据的可靠性与可追溯性
评论