基于多尺度增强与拓扑重建的电路网表生成方法及设备
本发明属于计算机视觉与电子设计自动化(eda),具体涉及一种基于多尺度增强与拓扑重建的电路网表生成方法及设备。
背景技术:
1、集成电路与嵌入式系统设计规模的不断扩大,推动电子设计自动化(eda)技术的研究重心逐渐向智能化与自动化处理方向转移。在系统级设计表达体系中,电路框图因其能够清晰呈现模块间的信号流向与功能层次关系,在信号处理、控制系统、通信芯片等领域的功能建模与早期验证环节中被广泛采用。然而,大量设计仍以图像格式存档留存,与之对应的结构化数字网表普遍缺失。这一现实差距意味着已有电路设计难以直接纳入自动化分析流程,设计复用与一致性验证均面临较高的人工介入成本。
2、传统电路图解析方法长期依赖人工识读或基于规则的图像处理流程。人工解析方式在规模化场景下效率低下,且标注一致性难以保证。基于规则的方法以otsu等全局阈值分割为代表,其核心假设图像存在显著双峰灰度分布在实际电路图中往往并不成立:导线像素与背景标注文字、图框线条在灰度上高度重叠,导致误检率偏高;后续依赖shapely几何缓冲区的连接关系重建对导线交叉节点及短断点的处理精度有限,网表有向边f1分数仅能达到80.97%,难以满足工业级应用的准确性要求。以canny边缘检测与houghlinesp直线提取为代表的传统细线检测方案在管道仪表图等领域有一定应用,但其固有局限在于houghlinesp仅能检测直线段,对电路框图中普遍存在的折角导线、弧形走线无能为力,端点最近邻匹配在组件密集区域的误连率显著升高,在包含100张电路框图的对比实验中,该方案综合f1分数仅为50.27%(p=86.32%,r=35.47%),在折角导线与密集组件场景下几乎完全失效。
3、深度学习方法为电路图解析提供了新的技术路径,但仍存在四类关键问题:单一尺度推理容易漏检细小或低对比度导线;骨架化后的t形分支、带实心点交叉与无实心点视觉交叉具有不同拓扑含义;分割抖动会造成骨架短断点;箭头确定的信号方向与从箭头端逆向搜索源组件的追踪方向相反。若缺少多尺度概率融合、交叉状态约束、方向受限修复和反向路径追踪,上述误差会累积为漏连或误连。
技术实现思路
1、本发明的目的在于提供一种基于多尺度增强与拓扑重建的电路网表生成方法及设备,通过将组件目标检测、导线实例分割、骨架图提取与方向性拓扑重建有机整合,实现从电路框图图像到结构化json网表的全流程自动解析。
2、为解决上述问题,本发明采用以下技术方案:
3、基于多尺度增强与拓扑重建的电路网表生成方法,包括以下步骤:
4、将输入电路框图图像送入目标检测模型,对图中的功能组件进行识别与定位,输出各组件的边界框坐标和类别信息;
5、采用实例分割模型在基准尺度及多个测试时增强尺度上对wire实例进行分割得到实例掩码与检测置信度,将实例掩码与检测置信度进行逐像素概率乘积软融合,得到融合导线概率图,并由基准尺度生成arrow二值掩码,同时对所述输入电路框图图像的原始灰度图独立计算frangi多尺度线状响应,形成辅助骨架证据;
6、根据所述融合导线概率图提取分割主骨架,根据所述frangi多尺度线状响应提取辅助骨架,基于辅助骨架证据对所述分割主骨架和辅助骨架执行分层断点修复,得到修复后的骨架图;
7、根据所述arrow二值掩码确定目标组件并选取骨架起点,在所述修复后的骨架图上执行受约束的反向广度优先搜索,从目标组件逆向追踪源组件,将源组件到目标组件的方向做为有向边,构建有向拓扑;
8、将所述各组件的边界框坐标和类别信息与所述有向拓扑整合,按预设格式输出结构化网表。
9、进一步的,所述逐像素概率乘积软融合的计算公式为:
10、
11、式中,为融合概率,采用双阈值分流,以第一阈值二值化生成高召回掩码,以第二阈值二值化生成保守拓扑判定掩码;n为基准与tta尺度下全部wire实例数;为第k个wire实例的二值掩码;为检测置信度;k为全局实例序号。
12、进一步的,所述分层断点修复包括短跳、wire掩码补步、局部辅助骨架增强以及gap-jump修复。
13、进一步的,所述gap-jump修复仅在骨架端点且历史方向累计不少于预设步数时触发,候选跳接距离d满足4≤d≤7像素,候选方向与历史方向的余弦相似度不小于0.95,且通过bresenham视线间隙校验;在一次反向搜索中所述gap-jump修复至多执行一次。
14、进一步的,所述骨架起点的选取条件为:
15、在arrow实例外扩30像素邻域内选取距目标组件中心最远的骨架像素作为骨架起点。
16、进一步的,从所述目标组件逆向追踪源组件,路径追踪中对骨架分支点进行分类,对无实心点交叉保持轴向访问状态以抑制换轴误连。
17、进一步的,所述预设格式为json格式,所述结构化网表包含组件列表和连接列表;所述组件列表中每个条目包含唯一标识符、类别、名称及边界框坐标;所述连接列表中每条条目包含起始组件标识符、终止组件标识符及可选信号标签。
18、第二方面,提供一种基于多尺度增强与拓扑重建的电路网表生成系统,包括获取模块、处理模块、修复模块、构建模块和输出模块,其中:
19、获取模块:用于将输入电路框图图像送入目标检测模型,对图中的功能组件进行识别与定位,输出各组件的边界框坐标和类别信息;
20、处理模块:用于采用实例分割模型在基准尺度及多个测试时增强尺度上对wire实例进行分割得到实例掩码与检测置信度,将实例掩码与检测置信度进行逐像素概率乘积软融合,得到融合导线概率图,并由基准尺度生成arrow二值掩码,同时对所述输入电路框图图像的原始灰度图独立计算frangi多尺度线状响应,形成辅助骨架证据;
21、修复模块:用于根据所述融合导线概率图提取分割主骨架,根据所述frangi多尺度线状响应提取辅助骨架,基于辅助骨架证据对所述分割主骨架和辅助骨架执行分层断点修复,得到修复后的骨架图;
22、构建模块:用于根据所述arrow二值掩码确定目标组件并选取骨架起点,在所述修复后的骨架图上执行受约束的反向广度优先搜索,从目标组件逆向追踪源组件,将源组件到目标组件的方向做为有向边,构建有向拓扑;
23、输出模块:用于将所述各组件的边界框坐标和类别信息与所述有向拓扑整合,按预设格式输出结构化网表。
24、第三方面,一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
25、第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
26、与现有技术相比,本发明具有以下有益的技术效果:
27、本发明提供一种基于多尺度增强与拓扑重建的电路网表生成方法,通过多尺度概率融合与双阈值分流显著提升了细小及低对比度导线的检测召回率,同时引入frangi多尺度线状响应作为独立辅助骨架证据,有效弥补了实例分割在弱纹理区域的漏检问题;在此基础上,通过分层断点修复机制(普通短跳、掩码补步、gap-jump门控)精准重建断裂导线,同时采用从箭头端逆向追踪源组件的有向搜索策略,使信号方向与追踪方向明确分离,避免了方向性误判,最终以结构化json网表形式输出可直接对接主流eda工具的完整电路拓扑,有效满足了工业级电路图数字化与设计自动化对解析精度和可靠性的要求。
28、本发明通过基准尺度与三个测试时增强尺度的wire实例掩码置信度加权概率融合,提高细小导线与低置信度片段的保留概率;采用0.05与0.15双阈值分别服务于高召回追踪和保守拓扑判定。
29、本发明将frangi多尺度线状响应作为独立辅助骨架证据,而非替代实例分割结果。暗脊响应经闭运算、端点方向拼接、组件框区域抑制和连通域过滤后,可在主骨架失败时补充细线、短线和分支几何。
30、本发明依据骨架窗口边界连通分量数将候选分支划分为t、和x_cross。对于无实心点的,访问状态增加水平或垂直轴向维度,并在搜索中保持入轴,避免将视觉相交但电气不连接的导线误连。
31、本发明采用分层断点修复。普通短跳和wire掩码补步处理局部像素缺失;gap-jump仅在骨架端点、历史方向充分、距离4至7像素、方向余弦不小于0.95且视线校验通过时触发,并限制每次追踪最多一次。
32、本发明以箭头端为目标端,从目标端执行受约束反向bfs寻找源组件,并按源组件到目标组件记录有向边。该机制将搜索方向与信号方向明确分离。
33、本发明输出与实现一致的自定义结构化json,组件坐标、入度和出度、前驱和后继关系均直接来源于检测结果与有向图,可用于后续电路拓扑分析或格式转换。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com