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。
附
心鉴智控融资历程：
