原标题：心鉴智控获6000万元A轮融资，布局工业AI视觉检测领域
科技, 产业/工业
作者：秘丛丛
7 分钟前
[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。
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。
