A localização de pequenas características baseada em visão computacional é uma etapa chave na montagem automática de precisão. Interferências externas e diferenças inerentes às peças podem causar erros na orientação visual, afetando a taxa de sucesso da montagem. Portanto, é proposta uma metodologia de localização composta em duas etapas: localização grosseira e localização fina. Inicialmente, a localização grosseira é realizada através de um algoritmo de detecção de caixas de objetos baseado em rede neural convolucional para extrair a região de interesse. Com base nisso, a localização fina das peças é realizada por meio do registro de características geométricas do contorno. O algoritmo também adota um mecanismo de aprendizado dinâmico assistido por rotulagem automática para resolver o alto índice de falhas na localização causado pelas diferenças entre lotes de peças. O método foi testado em equipamento de montagem desenvolvido internamente, analisando-se o impacto de variações de brilho, desfoque e posição na robustez do algoritmo de localização visual, além de testes de precisão de localização e montagem de pequenos lotes. Os resultados mostram que o método proposto alcança uma taxa de sucesso de montagem de 97% sob várias interferências, com precisão absoluta e repetível na localização visual inferior a 2 μm e precisão de montagem melhor que 10 μm, atendendo aos requisitos de precisão e estabilidade dos algoritmos de localização para montagem micrométrica de precisão.

montagem micrométrica de precisão;visão computacional;localização de características;detecção de objetos