OrientaçãoBallarin R., Caio2026-02-032026-02-032026-02-03https://dspace.unila.edu.br/handle/123456789/9655O 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.openAccessEletronicaInteligencia ArtificialVisão ComputacionalEDA