36氪首發(fā)|創(chuàng)新光場成像方案進入工業(yè)檢測領域，「深度視覺」獲近5000萬元Pre-A融資

36氪獲悉，利用計算視覺開發(fā)工業(yè)級高精度外觀檢測方案的杭州深度視覺科技有限公司（以下簡稱“深度視覺”）宣布，獲得了近5000萬元Pre-A輪融資，由祥峰投資領投、高通創(chuàng)投跟投。公司創(chuàng)始人王帥林表示：此次融資將主要用于全光譜視覺技術(shù)研發(fā)，并加速現(xiàn)有研發(fā)成果快速轉(zhuǎn)化。

機器視覺作為人工智能的一大分支技術(shù)，近年來已經(jīng)出現(xiàn)大規(guī)模向產(chǎn)業(yè)落地的趨勢。其中 ，2D視覺作為發(fā)展較早，且技術(shù)相對成熟穩(wěn)定的領域，在外觀檢測方面已經(jīng)有廣泛的行業(yè)基礎。隨著高精密制造業(yè)的興起，以及行業(yè)生產(chǎn)標準的提高，機器視覺的應用技術(shù)需要不斷突破新場景。但由于工業(yè)領域較深的行業(yè)壁壘和工藝工況限制，在外觀檢測最高標準的高精度金屬表面檢測領域，機器視覺還存在巨大的發(fā)展?jié)摿Α?/p>

具體來說，以汽車零部件、軸承、齒輪和其他精密件為代表的金屬類零部件是整個工業(yè)零部件領域的基本盤，規(guī)模巨大，但人工質(zhì)檢效率低下是目前所有工業(yè)基礎零部件行業(yè)存在的通病——人工質(zhì)檢不可避免地會出現(xiàn)大量的漏判和誤判，嚴重影響質(zhì)量保障和產(chǎn)能效率。機器視覺作為替代人眼的工具，具有更高的穩(wěn)定性、準確度和適用性，有望補齊生產(chǎn)全流程自動化的最后一環(huán)。同時，工業(yè)檢測日趨增長的高要求和重要性與當前檢測方法落后之間的矛盾，為機器視覺技術(shù)應用提供了機會。深度視覺創(chuàng)始人王帥林認為，以高效替代低效，利用好分布式運算、人工智能、大數(shù)據(jù)等技術(shù)優(yōu)勢將對工業(yè)檢測領域甚至整個工業(yè)生產(chǎn)帶來變革。

創(chuàng)始人王帥林表示，深度視覺在2017年6月成立，一直專注在技術(shù)研發(fā)和產(chǎn)品設計。公司開發(fā)了多套面向高精度外觀檢測的解決方案，目前已經(jīng)在傳統(tǒng)汽車零部件、航空零部件、新能源、紡織、3C等場景落地，服務客戶超50家，已簽約多家行業(yè)頭部客戶。

創(chuàng)始人王帥林表示，深度視覺的技術(shù)路線與市面上大多數(shù)公司的有明顯區(qū)別——深度視覺擁有全技術(shù)鏈條的研發(fā)設計能力，包括相機設計與開發(fā)、邊緣計算、圖像算法、光場光路設計、人工智能算法、自動化設備設計等多項核心技術(shù)，能夠?qū)崿F(xiàn)更高的檢測效率和一次性過檢通過率，大幅降低誤檢率、漏檢率，具體來看：

在視覺設計中最為關鍵的光學檢測環(huán)節(jié)，行業(yè)的關注點在于——如何能在有限打光條件下，針對繁多的缺陷類型進行極盡覆蓋的觀測。當前，大部分機器視覺公司采用的都是某種光照下的成像效果，抽象來說就是某種靜態(tài)條件下的孤立問題，以此指導設計。但問題在于，視覺檢測設備面對的缺陷成像效果描述空間巨大，用“增量”的思維不僅耗時耗力，也難以覆蓋所有場景。因此，深度視覺整合了目前所有已知的缺陷類型，并進行完備的分析測試論證，得到系統(tǒng)性的共性分析結(jié)果，以此獲取缺陷在不同光場結(jié)構(gòu)下的成像效果，是一種“減法”思維。在實際落地場景中，精密金屬工件表面存在眾多不確定性因素會影響檢測結(jié)果，例如表面工業(yè)油漬的干擾，超高速在線的速度要求、傳送裝置的抖動等。在很多其他實驗室技術(shù)仍舊停留在理論階段的情況下，深度視覺通過不斷在一線的反復測試和驗證，具體設備上已經(jīng)實現(xiàn)了99%以上的缺陷類型檢出覆蓋和整體實測98%左右的合格率，檢測精度也在微米級別。

在建立起底層圖像、數(shù)據(jù)庫的前提下，算力作為決定設備檢測效率的關鍵，也是深度視覺的創(chuàng)新點所在。創(chuàng)始人王帥林表示：與傳統(tǒng)的以GPU加速做集中式運算的路線不同，深度視覺采用了基于FPGA的分布式運算，這樣做的明顯優(yōu)勢在于算力分攤，系統(tǒng)可在不同光照場景下對目標多次檢測，由此大幅提升檢測效率。實踐證明，采取深度視覺的方案后，產(chǎn)線一次過檢率高于同行13-18%，誤檢率降低10%以上。

深度視覺在橫向上不斷擴大銷售規(guī)模與覆蓋范圍，縱向上深挖技術(shù)拓展能力。目前公司已經(jīng)完成了多家行業(yè)頭部用戶的首套交付，接下來將做規(guī)?；茝V。從客戶的使用效果來看，投資回報周期基本控制在1-3年以內(nèi)，一臺設備平均替代5~10個勞動力左右，這與產(chǎn)線和設備的使用方式相關。

深度視覺檢測設備

祥峰投資執(zhí)行合伙人夏志進表示：“目前檢測應用在整體視覺領域占比達一半以上，在檢測應用領域內(nèi)，金屬和玻璃的檢測難度最大。金屬材質(zhì)高反光，缺陷采集困難，場景分散多樣，對檢測的要求尤其高。深度視覺團隊將人工智能和機器視覺技術(shù)相結(jié)合，對高反光、高曲率金屬也能進行有效的檢測，解決客戶的痛點。深度視覺已經(jīng)獲得行業(yè)巨頭們的認可，相信視覺檢測在工業(yè)領域的應用會越來越豐富，深度視覺的發(fā)展空間巨大。”

高通創(chuàng)投投資總監(jiān)毛嵩表示：“目前，人工智能技術(shù)已經(jīng)在眾多垂直領域中得到了廣泛應用。深度視覺團隊利用其在視覺成像方面的技術(shù)突破和針對金屬表面檢測方面的深度學習算法優(yōu)化，為行業(yè)提供了工程化的解決方案，取得了行業(yè)用戶的廣泛認可?！?/p>