智能手机在过去几十年得到了长足的发展,但电池技术的进步却十分缓慢。提高智能手机的电量续航及优化能耗具有十分重要的意义,一直以来都是研究的热点问题。根据近几年的统计数据,Android系统的能耗问题面尤为突出,因此面向Android应用能耗研究是改善Android系统能耗问题的关键。Android系统采用的是比较激进的Wakelock电源管理机制,而Wakelock的不当使用容易使系统进入无法休眠的状态,造成No-sleep Bug。据研究统计,No-sleep Bug是造成电量流失的主要原因,因此对该漏洞的判定对于优化应用能耗水平十分重要。本文首先获取了.5300余个Android应用软件,并使用压力测试下的能耗信息收集原型MonkeyEnergyTest收集了 5000余个应用软件的能耗数据和Wakelock调用信息。其次对这些数据进行统计分析并根据No-sleep Bug阈值筛选出具有该漏洞的应用软件。通过对Wakelock机制和No-sleep Bug能耗漏洞的研究,确定由Wakelock不当使用造成的这种漏洞与软件代码存在着直接关系。然后再利用字节码图片技术对包含漏洞和无漏洞应用中的DEX文件进行转码,获取对应应用的字节码图片。之后使用卷积神经网络对这些图片进行特征训练并建立基于字节码图片的No-sleep Bug判定模型。最后使用该模型与参照方法对测试数据分类,证明该方法相比参照方法具有通用性和便捷性,为应用软件的能耗研究提供了新的思路。