近日，硬創大賽組委會獲悉，2020第六屆硬創大賽總決賽亞軍項目——工業領域AI視覺檢測服務商“心鑒智控”已完成6000萬元人民幣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。本輪融資將用于產品研發、團隊擴充、市場推廣等方面。

心鑒智控CEO羅曉忠路演圖

心鑒智控成立于2018年，自主研發和部署了基于C++的底層數據增強、算法優化的技術架構及配套云服務等體系，形成了AI模型的開發平臺，并基于此開發平臺，實現工業視覺檢測核心技術的跨行業、跨場景的商業化落地。

談及行業痛點，心鑒智控創始人兼CEO羅曉忠稱，人的眼睛作為生產工具，被智能化的機器視覺取代一定是大勢所趨，但目前國內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，質檢工人占據全體工人數量的相當大比例。同時，肉眼目測質檢對工人視力的損傷很大。企業既面臨人力成本上升和“招工難”的困境，又不能保證重要瑕疵的零漏檢，需要承擔客戶投訴或監管部門處罰的潛在風險。

目前，心鑒智控聚焦傳統機器視覺無法處理的場景，主要針對白玻、醫療醫藥等具有復雜光學特性以及高速、柔性、非標等高識別難度的應用場景，進行基于深度學習技術的產品外觀瑕疵檢測。目前，該公司已開發三大核心業務線：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。

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并不精準。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積累。

第三，解決方案的可復制性較差。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，克服魯棒性的局限，是很大的挑戰。

羅曉忠表示，針對以上難點，心鑒智控依托自主研發的AI模型訓練優化平臺，基于auto ML技術，建立了從數據到模型、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、不同應用場景中，視覺檢測產品的快速落地和功能模塊的移植復用。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，心鑒智控獨創了“小樣本訓練高精度、高準確度神經網絡模型”專利，把深度學習作為現代機器視覺解決方案的重要組成部分。其優勢在于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。

在實際落地成果方面，羅曉忠表示，首先，在醫藥行業，客戶對機器視覺檢測的準確度和可靠性要求嚴苛，而心鑒智控開發的智能檢測模組實現了人工替代，得到了行業頭部客戶的認可和持續增購。

其次，在玻璃檢測領域，心鑒智控以手表表蓋和鏡片檢測為切入點，在國內率先研發了手表和眼鏡行業的視覺檢測設備。其中，手表表蓋檢測設備已實現批量推廣，鏡片檢測設備已在國內最大的鏡片生產基地實現應用。

此外，心鑒智控針對生產線上高速運動物品的360°全檢方案，彌補了該領域內進口AOI檢測模組功能上的不足之處。

目前，心鑒智控在廣州、蘇州、上海、丹陽等地設有辦公室，布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。

責任編輯：lq