創業邦獲悉，工業領域AI視覺檢測服務商心鑑智控已完成6000萬元人民幣的A輪融資，由經緯中國領投、華映資本跟投，老股東松禾資本、奇績創壇繼續加碼，億梯資本擔任融資財務顧問。本輪融資將用於產品研發、團隊擴充、市場推廣等方面。
心鑑智控成立於2018年，聚焦傳統機器視覺難以解決的複雜缺陷檢測場景，致力於實現工業視覺檢測核心技術的具體落地和跨場景延展。公司自主研發和部署了基於C++的底層數據增強、算法優化的技術架構及配套雲服務等體系，形成了AI模型的智能開發平台，並基於此開發平台，實現了跨行業、跨場景的商業化落地。
心鑑智控的切入點是針對擁有透明半透明、反光、傳送帶上高速運動等抽象特徵的物體，進行基於深度學習技術的產品外觀瑕疵檢測。具有這類特徵的物體分佈在各行各業，基於傳統視覺的AOI之前均無功能齊全、運行穩定的自動化檢測方案，瑕疵檢測高度依賴人工。心鑑智控產品的出現，有效填補了市場空白。
心鑑智控創始人兼CEO羅曉忠表示，目前國內80%的工業視覺檢測場景仍然依靠人工，在醫藥外包裝、鏡片生產等工廠，質檢工人佔據了全體工人數量中相當大的比例。肉眼目測質檢對工人視力的損傷很大，企業一方面日益面臨人力成本上升和“招工難”的境地，另一方面不能保證重要瑕疵的零漏檢，需承擔客户投訴/監管部門處罰的潛在風險。
目前，該公司在廣州、蘇州、上海、丹陽等地設有辦公室，廣泛佈局珠三角和長三角地區，研發團隊核心成員均來自海內外頂級高校，在微軟、ASML、華為等世界知名企業有15年以上研發經歷。心鑑智控目前已開發出了藥品及其外包裝檢測、玻璃檢測、生產線上高速運動物品外觀檢測等三大核心業務條線。
羅曉忠表示，視覺質檢的落地有三大核心難點：
第一，工業品瑕疵數據不足。工業品瑕疵類型很多，但特定單種瑕疵在生產階段的發生率可能只有千分之一。原始數據樣本不充足，會導致需要海量數據訓練的神經網絡模型並不精準。如果根據這個模型判定和分類瑕疵品和非瑕疵品，可信度不高。
第二，生產線的匹配難度大。在工業生產線上部署一套視覺檢測系統，使其與已有產線的運行節拍、基礎設備相互匹配且穩定運行，不僅考驗技術水平，更考驗工程化實踐能力的積累。
第三，解決方案的可複製性較差。每條產線的生產環境都存在差別，如何讓視覺檢測系統能夠適應千變萬化、千差萬別的生產環節，克服魯棒性的侷限，是很大的挑戰。
依託自主研發的AI模型訓練優化平台，基於auto ML技術，心鑑智控的產品開發形成了從數據到模型、模型到生產的閉環，有效解決了“瑕疵樣本數不足”、“待檢測產品頻繁換型”等問題， 實現了不同行業、不同應用場景之下，視覺檢測產品的快速落地和功能模塊的移植複用。與此同時，該平台能夠在客户的實際使用場景當中，進行檢測模型的持續迭代，確保運行的穩定性和可靠性。
此外，為了解決“工業品瑕疵數據不足”的難題，心鑑智控獨創了“小樣本訓練高精度、高準確度神經網絡模型”專利，把深度學習融入為現代機器視覺解決方案的重要組成部分，其優勢在於能夠用小樣本快速訓練出高精度、高準確度的神經網絡模型。
在實際落地方面，醫藥行業客户對視覺檢測的準確度和可靠性要求極為嚴苛，心鑑智控研發的智能檢測產品，在多個場景下均得到了行業龍頭客户的認可和持續增購。
針對玻璃檢測，心鑑智控以手錶表蓋和鏡片檢測為切入，在國內率先研發了手表和眼鏡行業的首台套視覺檢測設備。其中手錶表蓋自動化檢測設備已批量推廣，鏡片檢測設備已在國內最大的鏡片生產基地實現應用。
心鑑智控針對生產線上高速運動物品的360°全檢方案，顯著彌補了該領域內進口AOI檢測模組功能上的不足之處。
羅曉忠表示，人的眼睛作為生產工具，被智能化的機器視覺所取代一定是大勢所趨。心鑑智控將依託自研的AI模型開發平台和auto ML、小樣本學習、光路設計等核心技術，始終以客户需求為出發點，不斷切入和延展更多的應用場景，為客户創造長期價值。
附心鑑智控融資歷程：
