一种支持深度学习模型多阶段推理的电路网表生成方法

本发明公布了一种支持深度学习模型多阶段推理的电路网表生成方法，属于电子电路设计与自动化技术领域，该方法通过光学扫描获取电路图图像，对图像进行预处理后，利用深度学习模型YOLOv5进行元器件识别，确定其边界框坐标和类别信息。进一步对元器件进行端口精细识别，确定端口的位置和方向。利用光学字符识别技术排除文字干扰，进行导线识别，包括霍夫直线检测和跳线处理，确定导线的起点和终点坐标。将元器件、端口和导线的识别结果进行匹配，构建电路图的拓扑结构，最终生成电路网表，并进行错误排除和JSON格式输出。本发明可实现模拟电路图的自动网表生成，将模拟电路图文件转换为带有器件功能批注的网表文件，提高电路设计与仿真的效率和质量。