Plataforma inteligente de design eletrônico automatizado (EDA) baseada em ia para prototipação rápida: uma abordagem baseada em YOLO e Graph Neural Networks para a geração de netlists SPICE e esquemáticos digitais

Página do item simplificado
dc.contributor.authorBallarin, Caio Ramos
dc.date.accessioned2026-02-03T19:47:15Z
dc.date.available2026-02-03T19:47:15Z
dc.date.issued2026-02-03
dc.description.abstractO projeto propõe um software de Automação de Projeto Eletrônico (EDA) capaz de transformar imagens de esquemáticos em arquivos de projeto de placa, reduzindo intervenção humana nas fases iniciais. A arquitetura inclui quatro módulos: (1) reconhecimento de topologia e geração de netlist, (2) seleção de componentes e montagem da PCB, (3) otimização eletrotérmica e simulação, e (4) exportação dos artefatos do projeto. Este estudo foca no módulo (1), usando o conversor Buck como caso de validação. O reconhecimento combina detecção visual e aprendizado por grafos: um detector YOLO11 aprimorado com o módulo de atenção GAM (YOLO-GAM) extrai símbolos e caixas delimitadoras; um pós-processamento constrói um grafo de componentes e conexões; finalmente, uma Graph Neural Network (GNN) valida e completa a netlist. O conversor Buck foi escolhido por reunir desafios típicos (componentes pequenos, junções e textos sobrepostos, variedade gráfica), nos quais o GAM melhora seletividade e a GNN incorpora restrições topológicas para corrigir ambiguidades e reduzir falsos positivos. As contribuições principais são: (i) avaliação empírica do impacto do módulo GAM na detecção de símbolos de pequenas dimensões; e (ii) integração prática entre o output do detector e a construção/classificação de grafos via GNN, com métricas que quantificam a fidelidade da netlist. Resultados indicam que a combinação YOLO-GAM + GNN oferece uma solução robusta e eficiente para automatizar a etapa inicial do fluxo EDA, acelerando prototipagem e diminuindo retrabalho. Resumen Este proyecto propone un software de Automatización de Diseño Electrónico (EDA) capaz de transformar imágenes de esquemáticos en archivos de diseño de placas, reduciendo la intervención humana en las etapas iniciales. La arquitectura incluye cuatro módulos principales: (1) reconocimiento de topología y generación de netlist, (2) selección de componentes y ensamblaje de la PCB, (3) optimización y simulación electro-térmica, y (4) exportación de los artefactos del proyecto. Este estudio se centra en el módulo (1), utilizando el convertidor Buck como caso de validación. El reconocimiento combina detección visual y aprendizaje basado en grafos: un detector YOLO11 mejorado con el módulo de atención GAM (YOLO-GAM) extrae símbolos y cajas delimitadoras; una rutina de posprocesamiento construye un grafo de componentes y conexiones; finalmente, una Red Neuronal de Grafos (GNN) valida y completa la netlist resultante. El convertidor Buck fue elegido porque recoge desafíos típicos de esquemáticos (componentes pequeños, uniones y textos superpuestos, variabilidad gráfica), donde GAM mejora la selectividad del detector y la GNN incorpora restricciones topológicas para corregir ambigüedades y reducir falsos positivos. Las principales contribuciones del trabajo son: (i) la evaluación empírica del impacto del módulo GAM en la detección de símbolos pequeños; y (ii) la integración práctica entre la salida del detector y la construcción/clasificación del grafo mediante GNN, utilizando métricas que cuantifican la fidelidad de la netlist. Los resultados indican que la combinación YOLO-GAM y GNN representa una solución eficiente y robusta para automatizar la fase inicial del flujo EDA, acelerando la prototipación y reduciendo retrabajos.
dc.identifier.urihttps://dspace.unila.edu.br/handle/123456789/9655
dc.rightsopenAccess
dc.subjectInteligência artificial
dc.subjectautomação
dc.subjectimagens
dc.subjectplacas
dc.titlePlataforma inteligente de design eletrônico automatizado (EDA) baseada em ia para prototipação rápida: uma abordagem baseada em YOLO e Graph Neural Networks para a geração de netlists SPICE e esquemáticos digitais
dcterms.abstractThis project proposes an Electronic Design Automation (EDA) software capable of transforming schematic images into printed circuit design files, reducing human intervention during early design stages. The architecture includes four main modules: (1) topology recognition and netlist generation, (2) component selection and PCB assembly, (3) electrothermal optimization and simulation, and (4) export of project artifacts. This study concentrates on module (1), using the Buck converter as the validation case. The recognition process combines visual detection and graph-based learning: a YOLO11 detector enhanced with the GAM attention module (YOLO-GAM) extracts symbols and bounding boxes; a post-processing routine constructs a graph representing components and connections; finally, a Graph Neural Network (GNN) validates and completes the resulting netlist. The Buck converter was chosen because it encompasses typical schematic challenges (small components, junctions and overlapping text, graphic variability), where GAM improves detector selectivity and GNN incorporates topological constraints to correct ambiguities and reduce false positives. The main contributions are: (i) empirical evaluation of the GAM module’s impact on detecting small symbols; and (ii) practical integration between detector outputs and graph construction/classification via GNNs, using metrics that quantify netlist fidelity. Results indicate that the combination of YOLOGAM and GNN offers an efficient and robust solution for automating the initial EDA flow, accelerating prototyping and reducing rework.

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Plataforma inteligente de design eletrônico automatizado (EDA) baseada em ia para prototipação rápida....pdf
Tamanho:
84.45 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.82 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC - Engenharia Física