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++的底層資料增強、演算法最佳化的技術架構及配套雲服務等體系,形成了AI模型的智慧開發平臺,並基於此開發平臺,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、執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,需承擔客戶投訴/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,工業品瑕疵資料不足。工業品瑕疵型別很多,但特定單種瑕疵在生產階段的發生率可能只有千分之一。原始資料樣本不充足,會導致需要海量資料訓練的神經網路模型並不精準。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,使其與已有產線的執行節拍、基礎裝置相互匹配且穩定執行,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模型訓練最佳化平臺,基於auto ML技術,心鑑智控的產品開發形成了從資料到模型、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組的移植複用。與此同時,該平臺能夠在客戶的實際使用場景當中,進行檢測模型的持續迭代,確保執行的穩定性和可靠性。
此外,為了解決“工業品瑕疵資料不足”的難題,心鑑智控獨創了“小樣本訓練高精度、高準確度神經網路模型”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、高準確度的神經網路模型。
在實際落地方面,醫藥行業客戶對視覺檢測的準確度和可靠性要求極為嚴苛,心鑑智控研發的智慧檢測產品,在多個場景下均得到了行業龍頭客戶的認可和持續增購。
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臺套視覺檢測裝置。其中手錶表蓋自動化檢測裝置已批次推廣,鏡片檢測裝置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,被智慧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模型開發平臺和auto ML、小樣本學習、光路設計等核心技術,始終以客戶需求為出發點,不斷切入和延展更多的應用場景,為客戶創造長期價值。
附心鑑智控融資歷程: