一种基于元件检索与反馈增强的电路原理图像可视化方法及系统

背景技术：

1、随在人工智能领域，尤其是文本到图像的生成技术方面，近年来取得了显著的突破，特别是在生成自然场景和实际图像方面。这些技术不仅推动了视觉创作和媒体产业的革新，还为教育领域带来了巨大的潜力和变革。在教育过程中，尤其是在教材的 编写和教学内容的呈现方面，图像作为一种强有力的工具，能够显著提升学生的理解 和记忆。对于抽象和复杂的理论概念，图像化的表达往往比文字描述更为直观和生动。当前，图像生成模型在生成现实世界中的自然图像时表现出色，但在生成高度结 构化图像如电路图和机械结构图等任务中，效果仍然明显受限。

2、首先，从数据分布层面来看，主流图像生成模型通常依赖大规模的互联网图像数据进行预训练，而这些数据在内容上高度集中于自然场景、人像和日常物体，具有连续的纹理、模糊的边界以及较强的统计冗余性。相比之下，电路图和机械图的视觉特征通常呈现出高度的离散性，主要由少量高对比度的线条、规则几何形状和精确排布的符号构成，缺乏明显的纹理特征。这种显著的分布差异使得基于像素或潜空间统计建模的现有方法难以有效捕捉电路图的生成规律。例如，论文《factuality matters: when image genera-tion andediting meet structured visuals》提出，现代视觉生成模型擅长创造赏心悦目的自然图像，但是在图表生成等需要构图规划，多模式推理的情况下表现较差。而本文方法利用大语言模型，而非传统图像生成模型，通过将图表的逻辑结构转化为网表结构，再利用.asc文件格式渲染成可视化的电路原理图像。

技术实现思路

1、为了克服上述现有技术的问题，本发明的目的在于提出了一种基于元件检索与反馈增强的电路原理图像可视化方法及系统，通过利用大语言模型对电路领域知识的理解，合理排布电路元件的位置与连接关系，通过生成spice网表与.asc文件在仿真软件ltspice中实现可视化；有效缓解了该领域公开数据集稀缺的问题，显著降低了大语言模型在生成电路描述代码过程中的错误率。

2、为了实现上述目的，本发明采用以下的技术方案：

3、一种基于元件检索与反馈增强的电路原理图像可视化方法，包括以下步骤：

4、s1：获取电子类教材中的电路原理图，利用多模态大语言模型识别原理图并提取对应的功能描述性文本，并利用目标检测模型提取电路原理图中的元件信息，构建电路功能描述-电路元件列表的数据对；利用文本嵌入模型将所述电路功能描述转化为向量，并存入向量检索数据库，形成电路元件索引库；同时，构建包含封装完整spice子电路模块的电路工具库；

5、s2：接收用户输入的电路设计任务，通过向量检索在所述向量检索数据库中匹配功能特征语义相似度最高的电路功能描述的历史电路数据并获取对应的电路元件列表；将所述设计任务及所述元件列表输入至代码大语言模型，结合任务难度判别结果生成包含完整连接关系的spice网表代码；其中，简单任务直接采用提示词生成spice网表，复杂任务调用所述电路工具库中的子电路模块代码辅助生成spice网表；

6、s3：将生成的spice网表进行需求分析检查与网表合法性检查，若存在错误则将错误信息反馈给所述代码大语言模型迭代修正，直至生成合规spice网表；

7、s4：利用代码大语言模型将合规spice网表转换为仿真软件可读取的电路原理图.asc文件，并在仿真软件中实现电路原理图的可视化。

8、利用yolo目标检测模型对电路原理图进行训练与识别，提取包括电阻、电容、电源、三极管的元件信息及其位置信息，构建电路功能描述-电路元件列表的数据对；使用文本嵌入模型将所述电路功能描述转化为向量，并存入向量检索数据库；

9、构建电路工具库的具体过程为：

10、s1.1：从电子教材或标准电路设计资料中，筛选出结构独立且功能明确的标准化基础电路；

11、s1.2：针对每一个筛选出的标准化基础电路，利用spice语法中的子电路定义指令进行代码封装，生成具有独立输入输出端口的子电路模块代码；

12、s1.3：提取每个标准化基础电路的功能特性描述作为键key，将对应的子电路模块代码作为值value，建立功能描述-子电路代码的映射关系并存入子电路代码库，形成所述电路工具库。

13、所述s2中，在生成spice网表代码之前，利用所述代码大语言模型对电路设计任务进行难度判别，包括：若所述电路设计任务为单一功能、元件数量少于设定数值、无需调用子电路模块，则判定为简单任务；若所述电路设计任务为复合功能、多级结构、元件数量多于设定数值、需要调用电路工具库中的子电路模块，则判定为复杂任务，调用所述电路工具库辅助生成spice网表。

14、对于所述复杂任务，生成spice网表的具体实现方式为：采用pyspice作为中间接口，利用所述代码大语言模型的python代码生成能力，将电路结构描述转化为pyspicepython脚本；

15、所述pyspice python脚本中利用面向对象的方式定义电路元件实例及其节点连接关系，通过执行所述python脚本生成包含完整连接关系的spice网表代码。

16、所述s3的具体方法为：

17、需求分析检查：验证生成的spice网表是否满足设计任务的基本要求，包括输入输出节点命名、必要元件的完整性以及电路拓扑结构是否与任务描述相符；

18、网表合法性检查：验证spice网表的语法是否符合语法规范及是否可执行仿真；

19、当任一项不符合时，则说明存在错误。

20、所述s4中利用大语言模型将spice网表转化为.asc文件时，根据网表中的连接关系确定电路元件在画布上的坐标，生成包含电路中所有电路元件的图形符号、精确位置和连接关系可视化信息。

21、一种基于元件检索与反馈增强的电路原理图像可视化系统，用于实现权所述基于元件检索与反馈增强的电路原理图像可视化方法，包括：

22、数据构建模块，用于获取电子类教材中的电路原理图，利用目标检测模型提取所述电路原理图中的元件信息，并利用多模态大语言模型提取对应的电路功能描述，构建电路功能描述-电路元件列表的数据对；利用文本嵌入模型将所述数据对中的电路功能描述转化为向量，存入向量检索数据库，形成电路索引库；同时，从标准电路设计资料中筛选出标准化基础电路，将其封装为spice子电路模块代码，建立以所述电路功能描述为键、以所述子电路模块代码为值的代码资源库，形成电路工具库；

23、spice网表生成模块，用于接收用户输入的电路设计任务，将其作为查询向量在所述向量检索数据库中进行检索，获取相似的电路元件列表；结合所述电路设计任务和获取的电路元件列表，利用大语言模型生成包含完整连接关系的spice网表代码；若判定为复杂任务，则根据所述电路设计任务在所述代码资源库中进行匹配，调用对应的子电路模块代码辅助生成所述spice网表代码；

24、反馈增强处理模块，用于对生成的spice网表代码进行需求分析检查与网表合法性检查，若存在错误，则将错误信息转化为自然语言反馈给大语言模型进行迭代修正；。

25、所述数据构建模块包括：

26、数据准备单元，用于获取电子类教材中的电路原理图及其对应的文本描述，利用目标检测模型提取原理图中的元件信息，构建电路功能描述-元件列表数据对；

27、向量化存储单元，用于利用嵌入模型将所述电路功能描述转化为向量，并存入向量索引库，以支持基于语义的快速检索；

28、工具库构建单元，用于从预设的电子教材中筛选结构独立的标准化基础电路，利用spice子电路定义指令进行代码封装，并建立功能描述-子电路代码的键值对映射关系。

29、所述spice网表生成模块在生成spice网表时，被配置为采用pyspice语法接口，将spice网表生成任务转化为python代码生成任务，利用大语言模型的代码生成包含完整连接关系的spice网表代码。

30、所述反馈增强处理模块包括：

31、需求分析检查单元，用于验证生成的网表是否包含必要的电路元件、输入输出节点命名是否正确，以及电路拓扑结构是否与任务描述相符；

32、网表合法性检查单元，用于验证网表的语法格式是否符合spice仿真工具的要求；

33、迭代修正单元，用于将上述检查过程中产生的错误信息转化为自然语言反馈，输入至大语言模型进行自我修正。

34、相对于现有技术，本发明有益效果如下：

35、1、实现了电路设计的智能化与自动化，提升了生成准确性

36、本发明引入了检索增强生成与反馈增强机制；其中，检索增强：通过向量检索电路元件索引库中检索并获取相似的电路元件列表，确保了生成内容的真实性与规范性，避免了模型幻觉；反馈增强：通过反馈增强处理模块对生成的网表进行合法性检查与需求分析，并驱动模型进行迭代修正；显著提高了最终生成的spice网表及原理图的准确率与可用性。

37、2. 实现了从自然语言到可视化原理图的端到端转化

38、利用pyspice语法接口将网表生成转化为python代码生成任务，最终将验证通过的代码自动转化为仿真软件可读取的.asc原理图文件，生成的原理图具备物理可仿真性。实现了自然语言描述到结构化代码到可视化图形的转换，为自动化电路设计提供了全新的技术路径。

39、3. 模块化与可扩展性强

40、系统采用面向对象的设计思想和spice子电路封装技术，使得电路工具库中的模块可以像积木一样灵活组合。当需要增加新元件或新功能时，只需向库中添加新的键值对，无需修改核心算法，具有极高的灵活性与可维护性。