Los robots son ampliamente utilizados en tareas de ensamblaje. Sin embargo, cuando los robots realizan el ensamblaje automático de Conectores Circulares Multi-Pin (MPCCs), el pequeño diámetro de los pines y los estrechos espacios entre ellos presentan desafíos significativos. Durante el proceso de ensamblaje, el efector final del robot puede obstruir la vista y el contacto entre los pines y los agujeros correspondientes queda completamente bloqueado, lo que hace que esta tarea sea más precisa y desafiante que el ensamblaje común de clavija en agujero. Por lo tanto, este documento propone una estrategia de ensamblaje robótico para MPCCs que incluye dos aspectos principales: (1) empleamos un modelo de Red Neuronal Siamesa Profunda (DSNN) basado en visión para abordar el problema de alineación de clavija en agujero más desafiante en el ensamblaje de MPCCs. Este método evita las dificultades de modelado en estrategias de control tradicionales, los altos costos de entrenamiento y la baja eficiencia de muestra en el aprendizaje por refuerzo. (2) Este documento construye un sistema de ensamblaje práctico completo para MPCCs, que abarca todo, desde el agarre hasta el atornillado final. Los resultados experimentales demuestran consistentemente que el sistema de ensamblaje integrado con el DSNN puede llevar a cabo efectivamente la tarea de ensamblaje de MPCCs.