Pour résoudre le problème des erreurs de localisation des caractéristiques causées par différents états d'assemblage dans l'assemblage précis en masse, entraînant une interruption du processus et affectant l'efficacité de l'assemblage, un modèle de machine à vecteurs de support intégrant les caractéristiques de l'histogramme de gradient de direction et du modèle binaire local a été proposé, combiné à une stratégie de recherche pyramidale pour améliorer l'efficacité de reconnaissance et réaliser la localisation des caractéristiques microscopiques. La vérification des performances et les tests d'application ont été réalisés sur un équipement d'assemblage automatique de précision auto-développé, en collectant différentes caractéristiques pour l'entraînement du SVM, en étudiant l'influence des facteurs perturbateurs tels que la texture et l'éclairage sur la stabilité et la précision de la localisation, et en effectuant des expériences de précision de localisation ainsi qu'un assemblage en masse de certains composants. Les résultats montrent que cette méthode peut extraire la position des caractéristiques cibles avec une localisation précise, offrant une bonne unimodalité et répétabilité dans diverses conditions, avec un taux de reconnaissance de 98%, une précision de localisation meilleure que 4 μm, et une précision d'assemblage meilleure que 7 μm. Cette méthode répond aux besoins de localisation sous différentes conditions d'assemblage en production de masse réelle, fournissant une solution efficace pour la localisation d'assemblage précis automatisé.

assemblage précis;localisation des caractéristiques;vision microscopique;machine à vecteurs de support