分享到微信
科技, 产业/工业
作者:秘丛丛
2021-03-12 14:45
[亿欧导读]

心鉴智控的切入点是针对拥有透明半透明、反光、传送带上高速运动等抽象特征的物体,进行基于深度学习技术的产品外观瑕疵检测。心鉴智控目前已开发出药品及其外包装检测、玻璃检测、生产线上高速运动物品外观检测等。

工业大脑

题图来自“收费图库”

3月12日,工业领域AI视觉检测服务商心鉴智控宣布完成6000万元人民币的A轮融资,由经纬中国独家领投,华映资本跟投,老股东松禾资本、奇绩创坛继续加码。本轮融资将用于产品研发、团队扩充、市场推广等方面。

心鉴智控成立于2018年,致力于实现工业视觉检测核心技术的具体落地和跨场景延展,聚焦医药外包装等领域的复杂缺陷检测场景。该公司自主研发和部署了基于C++的底层数据增强、算法优化的技术架构及配套云服务等体系,形成了AI模型的开发平台,并基于此开发平台,实现了跨行业跨场景的商业化落地。

心鉴智控的切入点是针对拥有透明半透明、反光、传送带上高速运动等抽象特征的物体,进行基于深度学习技术的产品外观瑕疵检测。具有这类特征的物体分布在各行各业,基于传统视觉的AOI(自动光学检测)之前均无功能齐全、运行稳定的自动化检测方案。心鉴智控目前已开发出了药品及其外包装检测、玻璃检测、生产线上高速运动物品外观检测等三大核心业务条线。

心鉴智控创始人兼CEO罗晓忠表示,目前国内80%的工业视觉检测场景仍然依靠人工,在医药外包装、镜片生产等工厂,质检工人占据了全体工人数量中相当大的比例。肉眼目测质检对工人视力的损伤很大,企业一方面日益面临人力成本上升和“招工难”的境地,另一方面不能保证重要瑕疵的零漏检,需承担客户投诉/监管部门处罚的潜在风险。

罗晓忠表示,视觉质检的落地有三大核心难点:

第一,工业品瑕疵数据不足。工业品瑕疵类型很多,但特定单种瑕疵在生产阶段的发生率可能只有千分之一。原始数据样本不充足,会导致需要海量数据训练的神经网络模型并不精准。如果根据这个模型判定和分类瑕疵品和非瑕疵品,可信度不高。

第二,生产线的匹配难度大。在工业生产线上部署一套视觉检测系统,使其与已有产线的运行节拍、基础设备相互匹配且稳定运行,不仅考验技术水平,更考验工程化实践能力的积累。

第三,解决方案的可复制性较差。每条产线的生产环境都存在差别,如何让视觉检测系统能够适应千变万化、千差万别的生产环节,克服鲁棒性的局限,是很大的挑战。

目前,公司在广州、苏州、上海、丹阳等地设有办公室,广泛布局珠三角和长三角地区,研发团队核心成员均来自海内外知名高校,在世界知名企业有15年以上研发经历。

本文来源于亿欧,原创文章,作者:秘丛丛。转载或合作请点击转载说明,违规转载法律必究。

视觉检测融资人工智能工业AI深度学习融资商业计划书天使融资