36氪首发 |「心鉴智控」获6000万人民币A轮融资，专攻药品、玻璃和高速运动物品视觉检测

36氪获悉，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，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，实现工业视觉检测核心技术的跨行业、跨场景的商业化落地。

谈及行业痛点，心鉴智控创始人兼CEO罗晓忠告诉36氪，人的眼睛作为生产工具，被智能化的机器视觉取代一定是大势所趋，但目前国内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，质检工人占据全体工人数量的相当大比例。同时，肉眼目测质检对工人视力的损伤很大。企业既面临人力成本上升和“招工难”的困境，又不能保证重要瑕疵的零漏检，需要承担客户投诉或监管部门处罚的潜在风险。

目前，心鉴智控聚焦传统机器视觉无法处理的场景，主要针对白玻、医疗医药等具有复杂光学特性以及高速、柔性、非标等高识别难度的应用场景，进行基于深度学习技术的产品外观瑕疵检测。该公司已开发三大核心业务线：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。

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。

罗晓忠表示，针对以上难点，心鉴智控依托自主研发的AI模型训练优化平台，基于auto ML技术，建立了从数据到模型、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、不同应用场景中，视觉检测产品的快速落地和功能模块的移植复用。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，把深度学习作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。

在实际落地成果方面，罗晓忠表示，首先，在医药行业，客户对机器视觉检测的准确度和可靠性要求严苛，而心鉴智控开发的智能检测模组实现了人工替代，得到了行业头部客户的认可和持续增购。

其次，在玻璃检测领域，心鉴智控以手表表盖和镜片检测为切入点，在国内率先研发了手表和眼镜行业的视觉检测设备。其中，手表表盖检测设备已实现批量推广，镜片检测设备已在国内最大的镜片生产基地实现应用。

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

目前，心鉴智控在广州、苏州、上海、丹阳等地设有办公室，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。

——————

我是36氪作者王艺瑾，业务交流请邮件wangyijin@36kr.com，请备注公司+姓名+职务+来意。