تعتبر المخططات من الأدوات الأساسية في مجال هندسة المتطلبات الصناعية، لكنها غالبًا ما تُترك كصور ثابتة تفتقر إلى التفاعل. ومع ظهور نماذج اللغة الرؤية (Vision Language Models - VLMs)، بدأت المحاولات لتحويل هذه المخططات إلى نماذج قابلة للقراءة من قبل الآلات، إلا أن هذه التقنية تعاني أحيانًا من نقص في التفاصيل البصرية الحرجة.

للتغلب على هذه التحديات، تم تقديم أداة EdgeFlow، التي تعمل على تعزيز إدخال نموذج VLM الأصلي باستخدام خريطة حواف مستخرجة بشكل محسوب من تقنية Canny، لتكون بمثابة دليل هيكلي. هذا التحسين لا يتطلب بيانات تدريب موسومة أو تعديل دقيق للنموذج، مما يجعل EdgeFlow حلاً عمليًا وموفرًا للوقت.

خلال التجارب، تم تقييم EdgeFlow باستخدام مجموعة بيانات IndusReqFlow المأخوذة من متطلبات حقيقية في الصناعة. أظهرت النتائج أن EdgeFlow تعزز من دقة التحويل، حيث حققت زيادة قدرها 17.39 نقطة مئوية في دقة مستوى العقد و16.94 نقطة مئوية في دقة مستوى الحواف. كما حقق ارتفاعًا بنسبة 11.06 نقطة مئوية في دقة المسارات، مما يسهم في تحسين الدعم للاختبار القائم على النموذج.

تظهر هذه النتائج أن EdgeFlow تقدم وسيلة عملية خالية من التدريب لتحسين تحويل المخططات إلى تنسيق Mermaid مع الحفاظ على الهيكلية اللازمة لاحتياجات هندسة المتطلبات الصناعية. من الضروري أيضًا ملاحظة أن نتائج التقييم عبر مجموعات بيانات متنوعة لا تظهر تحسينات كبيرة، مما يسلط الضوء على أهمية دمج بيانات صناعية متنوعة في معايير التقييم لمستقبل أدوات هندسة المتطلبات المستندة إلى VLM.