Creación de una aplicación que permita el reconocimiento de los elementos del diagrama de un circuito eléctrico básico y sus interconexiones utilizando inteligencia artificial

En la actualidad, existe un interés significativo en la digitalización de diagramas de ingeniería (circuitos eléctricos) debido a su complejidad y beneficios prácticos, además, existen pocos softwares que permiten realizar el reconocimiento de este tipo de diagramas. Debido a esto, ayudaría mucho tener una herramienta que identifique los elementos de un circuito, sus interconexiones y genere un netlist que permita la simulación. En consecuencia, se creó una aplicación basada en redes neuronales artificiales para el reconocimiento de los elementos del diagrama de un circuito eléctrico básico y sus interconexiones. Esta aplicación usa un modelo de detección de objetos con alta eficiencia (YOLOv11). La detección de nodos y conexiones se realizó utilizando técnicas clásicas del procesamiento de imágenes para el preprocesamiento, además del principio de componentes conexos. Se utilizó herramientas de reconocimiento óptico de caracteres (OCR) para hacer la identificación de textos mismos que se emplean para el desarrollo de archivos descriptivos, uno con detalles del circuito y otro con la lista de conexiones (netlist) que permite realizar una simulación automática en simuladores que se ejecutan bajo el motor de Spice. La aplicación se puso a prueba con varios circuitos compuestos por componentes activos como fuentes de voltaje y corriente, y componentes pasivos como resistencias, capacitores e inductores, en configuraciones de serie, paralelo y mixto. Además, la aplicación permite simular el netlist generado, presentando los resultados de la simulación de punto de operación, donde se presenta valores de voltajes de nodos y corrientes de cada elemento eléctrico que conforma el circuito. La aplicación presenta una alta eficiencia al detectar los elementos eléctricos de un circuito ya que logra una precisión promedio media (mAP50) del 95.7%. Para medir la eficacia de la aplicación, se comparó los resultados obtenidos, con los generados en otros softwares más desarrollados como PSpice o LTspice.

• 1. autor: Sambache Pelaez, Eddy Fernando (author)
• Format: bachelorThesis
• Wydane: 2025
• Hasła przedmiotowe: REDES NEURONALES ARTIFICIALES (RNA); MODELO DE DETECCIÓN DE OBJETOS
• Dostęp online: https://repositorio.espe.edu.ec/handle/21000/52632