創業邦獲悉，杭州深度視覺科技有限公司（以下簡稱“深度視覺”）宣佈獲得了近5000萬元Pre-A輪融資，由祥峯投資領投、高通創投跟投。深度視覺是一家利用計算視覺開發工業級高精度外觀檢測方案的公司，創始人王帥林表示：此次融資將主要用於全光譜視覺技術研發，並加速現有研發成果快速轉化。
深度視覺於2017年6月成立，一直專注於技術研發和產品設計。2018年9月，深度視覺參加了Demo China創新中國的秋季峯會，在3000多家參賽企業中脱穎而出，以前沿科技競技場第一名的身份進入創新中國總決賽，並取得了總決賽第三名的成績，成功獲得創業邦、高通中國、紅杉種子基金的種子輪的投資。
機器視覺作為人工智能的一大分支技術，近年來已經出現大規模向產業落地的趨勢。其中 ，2D視覺作為發展較早，且技術相對成熟穩定的領域，在外觀檢測方面已經有了廣泛的行業基礎。隨着高精密製造業的興起以及行業生產標準的提高，機器視覺的應用技術需要不斷突破新場景。但由於工業領域較深的行業壁壘和工藝工況限制，在幾乎代表了外觀檢測最高標準的高精度金屬表面檢測領域，還存在巨大的發展潛力。
具體來説，以汽車零部件、軸承、齒輪和其他精密件為代表的金屬類零部件是整個工業零部件領域的基本盤，規模巨大，但人工質檢效率低下是目前所有工業基礎零部件行業存在的通病——人工質檢不可避免地會出現大量的漏判和誤判，嚴重影響質量保障和產能效率。機器視覺作為替代人眼的工具，具有更高的穩定性、準確度和適用性，有望補齊生產全流程自動化的最後一環。工業檢測日趨增長的高要求和重要性與當前檢測方法落後之間的矛盾，為機器視覺技術應用提供了機會。深度視覺相信，以高效替代低效，利用好分佈式運算、人工智能、大數據等技術優勢勢必會對工業檢測領域甚至整個工業生產帶來一場變革。
創始人王帥林表示，深度視覺的技術路線與市面上大多數公司的有顯著的區別，深度視覺擁有全技術鏈條的研發設計能力，包括相機設計與開發、邊緣計算、圖像算法、光場光路設計、人工智能算法、自動化設備設計等多項核心技術，能夠實現更高的檢測效率和一次性過檢通過率，大幅降低誤檢率、漏檢率。
在視覺設計中最為關鍵的光學檢測環節，行業的關注點在於——如何能在有限打光條件下，針對繁多的缺陷類型進行極盡覆蓋的觀測。當前，大部分機器視覺公司採用的都是某種光照下的成像效果，抽象來説就是某種靜態條件下的孤立問題，以此指導設計。但問題在於，視覺檢測設備面對的缺陷成像效果描述空間巨大，用“增量”的思維不僅耗時耗力，也難以覆蓋所有場景。
因此，深度視覺整合了目前所有已知的缺陷類型，並進行完備的分析測試論證，得到系統性的共性分析結果，以此獲取缺陷在不同光場結構下的成像效果，是一種“減法”思維。在實際落地場景中，精密金屬工件表面存在眾多不確定性因素會影響檢測結果，例如表面工業油漬的干擾，超高速在線的速度要求、傳送裝置的抖動等。在很多其他實驗室技術仍舊停留在理論階段的情況下，深度視覺通過不斷在一線的反覆測試和驗證，具體設備上已經實現了99%以上的缺陷類型檢出覆蓋和整體實測98%左右的合格率，檢測精度也在微米級別，這是高新技術在工業現場落地的優秀實踐。
在建立起底層圖像、數據庫的前提下，算力作為決定設備檢測效率的關鍵，也是深度視覺的創新點所在。創始人王帥林表示：與傳統的以GPU加速做集中式運算的路線不同，深度視覺採用了基於FPGA的分佈式運算，這樣做的明顯優勢在於算力分攤，系統可在在不同光照場景下對目標多次檢測，由此大幅提升檢測效率。實踐證明，採取深度視覺的方案後，產線一次過檢率高於同行13-18%，誤檢率降低10%以上。
深度視覺在橫向上不斷擴大銷售規模與覆蓋範圍，縱向上深挖技術拓展能力。目前公司已經完成了多家行業領頭羊企業的首台套交付，為接下來的規模化推廣與增長做好了準備。從客户的使用效果來看，投資回報週期基本控制在1-3年以內，一台設備平均替代5~10個勞動力左右，與產線和設備的使用方式相關。
創始人王帥林透露，深度視覺開發的多套面向高精度外觀檢測的解決方案目前已經在傳統汽車零部件、航空零部件、新能源、紡織、3C等場景落地，服務客户超50家。
祥峯投資執行合夥人夏志進表示：“目前檢測應用在整體視覺領域佔比達一半以上，在檢測應用領域內，金屬和玻璃的檢測難度最大。金屬材質高反光，缺陷採集困難，場景分散多樣，對檢測的要求尤其高。深度視覺團隊將人工智能和機器視覺技術相結合，對高反光、高曲率金屬也能進行有效的檢測，解決客户的痛點。深度視覺已經獲得行業巨頭們的認可。我們相信視覺檢測在工業領域的應用會越來越豐富，深度視覺的發展空間巨大。”
本文文章圖片來源於深度視覺，經授權使用。本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯繫[email protected]。