如今移动互联网发展迅速,网民使用手机上网的比例高达99.1%,移动上网已经成为了人们最主要的上网获取信息的方式。然而,大量残障人士却因为移动应用缺乏对无障碍访问的支持而难以正常的访问网络信息,例如控件无法被读屏工具访问或者图像对比度过低都会为视障人士带来访问障碍,而控件太小则会妨碍肢体障碍人士的正常使用,它们为信息无障碍理念的实现带来了挑战。为了检测移动应用的无障碍支持问题,以加强移动端信息无障碍的能力,本文设计并实现了移动应用自动化无障碍检测系统,该系统通过可靠通用的方法去获取任意第三方移动应用的页面数据,并借助机器学习的方法训练出检测模型以找出这些应用页面的无障碍支持问题。最后,本文通过实验验证了该检测系统识别应用无障碍问题的能力。本文的主要工作如下:(1)本文提出了一种基于随机遍历策略的移动应用自动化页面数据获取方法,该方法具有较好的通用型,可作用于第三方应用,动态地获取应用运行时的真实页面信息。(2)本文提出了一种基于页面结构和图像信息的启发式相似度比较算法,该算法可以用于去除相似的移动应用页面,以减少数据的冗余,提高系统的效率。(3)本文设计并实现了针对移动应用的无障碍支持检测系统,该系统基于机器学习的方法,通过训练出应用页面结构检测模型和应用页面图像检测模型分别评估移动应用对无障碍的支持情况。本文通过分析8个流行的移动应用上超过15000个控件的页面结构和图像来验证上述方法的有效性。实验结果显示,本文所提出的系统在检测无障碍支持情况时,检测移动应用页面结构问题的平均准确率达到91.52%,检测移动应用图像问题的平均准确率达到96.22%。