Uma das principais fontes de erros em processos produtivos é proveniente de falhas nas etapas de montagem. Além de resultar em um dos principais custos da produção, essas falhas também impactam negativamente a imagem das empresas, aumentam o consumo energético devido ao retrabalho e, muitas vezes, geram resíduos ambientais e custos logísticos para o retorno de mercadorias com defeito. Entre os diversos métodos para detecção dessas falhas, a inspeção visual se destaca por sua versatilidade e efetividade, sendo aplicada com sucesso em alguns setores da manufatura.

No entanto, métodos clássicos de inspeção visual automática dependem fortemente da padronização da produção, o que limita sua implementação em linhas industriais dinâmicas e variadas. Esse cenário pode mudar significativamente através de desenvolvimentos recentes em Inteligência Artificial, em particular referentes às Redes Neurais Convolucionais (CNN – Convolutional Neural Networks), que abrem caminho para a proliferação de sistemas de inspeção visual automática. O projeto aqui apresentado visa detectar as falhas de produção em processos de montagem na manufatura nacional através do desenvolvimento de um sistema de inspeção visual baseado em CNNs. Essas redes neurais consistem em uma tecnologia recente, mas já estabelecida como estado da arte em análise de imagens médicas, detecção de objetos, reconhecimento facial, entre outras aplicações. Uma vez que artigos científicos vêm demonstrando o potencial dessas redes na inspeção visual da manufatura, é o objetivo deste projeto levar esses métodos aos variados setores da manufatura nacional. Para isso, a experiência do coordenador será associada à da startup participante: enquanto o primeiro já implementou CNNs em um projeto piloto na indústria madeireira, a segunda possui uma prova de conceito validada em inspeção visual na indústria de eletrônicos.