A Placa de Circuito Impresso (PCI) é praticamente usada em todos os produtos eletrônicos que usamos no cotidiano, quer seja para fins comerciais ou em outras aplicações tecnológicas. Devido a relevância da aplicação, as PCIs, após o processo de montagem de componentes, necessitam de um sistema de inspeção e localização de defeitos na montagem para garantir a qualidade das suas aplicações. A montagem de um componente da placa de forma errônea pode causar falhas significativas na etapa final do produto. Para classificar os defeitos dos componentes gerados artificialmente das PCIs de referência foi aplicado o algoritmo baseado nas redes neurais convolucionais (CNNs). E os resultados indicaram que o algoritmo aplicado pode ser utilizado na inspeção e classificação de defeitos em PCIs para um sistema de baixo custo.

No abstract

No abstract

This paper presents a Deep Learning model to visually identify the energy meter box (EMB) in households able to be connected to the power grid. The model is image-based and aims at supporting an electric utility to provide new household electricity connections. The EMB identification is carried out by computer vision and occurs during the client's digital request journey, which is held on via WhatsApp. In such a journey the client interacts with a virtual assistant and sends a photo of the box that must already be installed. The model, developed within an R&D project for digital transformation, can identify the EMB's presence and classify whether its facilities is singleor three-phase,