arXiv cs.AI· Mohammad Kawsar, Al Amin Islam Ridoy, Md Rakib Hossain, Farzana Akter, AKM Bahalul Haque, Rejwan Bin Sulaiman, Mohammed Amin Almaiah·· 12 小时前AI 评分31
Sketch2Sim：手绘电路图端到端模块化分析框架
Sketch2Sim: an end-to-end modular framework for hand-drawn circuit analysis
AI 导读
Sketch2Sim 将手绘电路照片转换为可执行的 SPICE 兼容网表，并自动计算节点电压与电流。系统采用双 YOLO 检测器识别元件与文本区域，结合 CRNN+CTC 与 OCR 提取符号数值，再用阈值化、骨架化和 DBSCAN 自动识别节点并映射元件。研究构建了 1,000 个手绘 RLC 电路数据集，消融与端到端测试显示其在多种书写风格和光照条件下表现稳健。
正文 · AI 翻译
摘要：本研究提出一种草图到仿真的系统，用于求解手绘电路图。该系统将原始图像转换为与集成电路仿真程序（SPICE）兼容的网表，并自动计算电路的节点电压和电流。另一个目标是提出一个整体框架，通过增强电路的教学与学习体验、加快工程设计评审，使学生和教育工作者受益。本文提出了一条多阶段流水线，将手绘电路的原始照片转换为可执行的类 SPICE 网表，从而提供了一种解决方案。我们整理并标注了一个包含 1,000 个手绘电阻-电感-电容（RLC）电路的数据集，用于元件、文本区域和字符识别。所提出的系统将电路图分解为三个阶段：(i) 基于双 You Only Look Once（YOLO）的元件和文本区域检测器，(ii) 结合连接时序分类（CTC）的卷积循环神经网络（CRNN）以及基于光学字符识别（OCR）的领域感知符号值提取，以及 (iii) 采用阈值化、骨架化和基于密度的带噪声应用空间聚类（DBSCAN）的图像处理，以自动识别节点并将其与相应元件映射。所提出的系统生成网表并求解电路。针对模块化阶段的定性和定量消融研究以及端到端测试表明，该系统在多种手写风格、光照条件和 this http URL 下均具有稳健性能。本研究可作为交互式学习辅助工具和面向专业人士的实用工具，提供全面的用户界面（UI），能够快速数字化电路草图，用于学习、设计、原型制作或故障排查。
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.28836 [cs.AI] |
| （或 arXiv:2610.28836v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28836 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 相关 DOI： | https://doi.org/10.7717/peerj-cs.4103
链接到相关资源的 DOI |
提交历史
来自：AKM Bahalul Haque [查看电子邮件]
[v1]
2026年10月20日星期二 19:04:12 UTC（20,479 KB）
来源：arXiv cs.AI · arxiv.org