融资丨心鉴智控宣布完成6000万元人民币A轮融资,经纬中国领投

关注
心鉴智控
广东智能制造
工业领域AI视觉检测服务商
最近融资:B轮|未披露|2018-05-03
我要联系
心鉴智控聚焦传统机器视觉难以解决的复杂缺陷检测场景,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。

创业邦获悉,工业领域AI视觉检测服务商心鉴智控已完成6000万元人民币的A轮融资,由经纬中国领投、华映资本跟投,老股东松禾资本、奇绩创坛继续加码,亿梯资本担任融资财务顾问。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,聚焦传统机器视觉难以解决的复杂缺陷检测场景,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。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模型的智能开发平台,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之前均无功能齐全、运行稳定的自动化检测方案,瑕疵检测高度依赖人工。心鉴智控产品的出现,有效填补了市场空白。

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。

目前,该公司在广州、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顶级高校,在微软、ASML、华为等世界知名企业有15年以上研发经历。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。

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。

依托自主研发的AI模型训练优化平台,基于auto ML技术,心鉴智控的产品开发形成了从数据到模型、模型到生产的闭环,有效解决了“瑕疵样本数不足”、“待检测产品频繁换型”等问题, 实现了不同行业、不同应用场景之下,视觉检测产品的快速落地和功能模块的移植复用。与此同时,该平台能够在客户的实际使用场景当中,进行检测模型的持续迭代,确保运行的稳定性和可靠性。

此外,为了解决“工业品瑕疵数据不足”的难题,心鉴智控独创了“小样本训练高精度、高准确度神经网络模型”专利,把深度学习融入为现代机器视觉解决方案的重要组成部分,其优势在于能够用小样本快速训练出高精度、高准确度的神经网络模型。

在实际落地方面,医药行业客户对视觉检测的准确度和可靠性要求极为严苛,心鉴智控研发的智能检测产品,在多个场景下均得到了行业龙头客户的认可和持续增购。

针对玻璃检测,心鉴智控以手表表盖和镜片检测为切入,在国内率先研发了手表和眼镜行业的首台套视觉检测设备。其中手表表盖自动化检测设备已批量推广,镜片检测设备已在国内最大的镜片生产基地实现应用。

心鉴智控针对生产线上高速运动物品的360°全检方案,显著弥补了该领域内进口AOI检测模组功能上的不足之处。

罗晓忠表示,人的眼睛作为生产工具,被智能化的机器视觉所取代一定是大势所趋。心鉴智控将依托自研的AI模型开发平台和auto ML、小样本学习、光路设计等核心技术,始终以客户需求为出发点,不断切入和延展更多的应用场景,为客户创造长期价值。


心鉴智控融资历程:

来源:创业邦-睿兽分析


反馈
联系我们
推荐订阅