视觉外观检测深度视觉获近5000万Pre-A轮融资，加速现有研发成果快速转化

创业邦获悉，杭州深度视觉技术有限公司（下面简称“深度视觉”）据悉获得了近5000万元Pre-A轮注资，由祥峰投资领投、高通创投跟投。深度视觉是一家运用计算机视觉研发工业级高效率外观检测方案的公司，创始人王帅林表示：此次融资将主要用于全光谱视觉科技开发，并加快现有开发成果迅速转换。

深度视觉于2017年6月创立，一直致力于科技开发和产品设计。2018年9月，深度视觉参加了DemoChina创新美国的秋季沙龙，在3000多家参赛企业中脱颖而出，以前沿技术竞技场第一名的身份踏入创新美国总决赛，并获得了总比赛第三名的名次，成功取得创业邦、高通中国、红杉种子基金的种子轮的投资。

机器视觉成为人工智能的一大分支技术，近年来早已发生大体量向行业落地的态势。其中，2D视觉成为发展较早，且科技相对成熟稳定的领域，在外观检测方面终于有了广泛的市场基础。随着高精密生产业的盛行并且市场制造标准的提升，机器视觉的应用科技必须不断突破新场景。但因为工业领域较深的产业壁垒和工艺工况限制，在几乎代表了外形检测最高标准的高效率金属表层检测领域，还存在很大的发展潜力。

具体来说，以车辆零组件、轴承、齿轮和其它精密件为代表的塑料类零组件是整个工业零配件领域的基本盘，规模很大，但人工质检效率低下是现在所有工业基础零组件市场存在的弊病——人工质检不可导致地会发生长期的漏判和误判，严重制约质量保障和产量效率。机器视觉成为取代人眼的工具，具有更高的稳定性、准确度和适用性，有望弥补生产全流程自动化的最终一环。工业检测日趋下降的高要求和重要性与当前检测方式落后之间的冲突，为机器视觉科技应用提供了机会。深度视觉相信，以高效替代低效，利用好分布式运算、人工智能、大数据等科技优势势必会对工业检测领域并且整个工业制造增添一场创新。

创始人王帅林表示，深度视觉的科技路线与市面上大多数公司的有明显的差别，深度视觉拥有全科技链条的开发设计能力视觉外观检测，包括相机设计与研发、边缘计算、图像算法、光场光路设计、人工智能算法、自动化设施设计等多项核心科技，能够推动更高的测试强度和一次性过检通过率，大幅降低误检率、漏检率。

在视觉设计中最为关键的光学测试环节，行业的关注点在于——如何能在有限打光条件下，针对众多的弊端类型进行极尽覆盖的观测。当前，大个别机器视觉公司引入的都是某些光照下的成像效果，抽象来说就是某些静态条件下的孤立问题视觉外观检测，以此指导设计。但弊端在于，视觉测量仪器面对的弊端成像效果描述空间很大，用“增量”的认知不仅耗时耗力，也无法覆盖所有场景。

此外，深度视觉整合了现在所有已知的弊端类型，并进行完备的剖析测试论证，得到系统性的共性分析结果，以此获取缺陷在不同光场结构下的成像效果，是一种“减法”思维。在实际落地场景中，精密塑料零件表面存在很多不确认性原因会妨碍检测结果，例如表面工业油渍的干扰，超高速在线的速率要求、传送装置的抖动等。在这些其它试验室科技依然停留在理论阶段的状况下，深度视觉通过不断在一线的反复测试和验证，具体设备上早已实现了99%以上的缺陷类型检出覆盖和整体实测98%左右的合格率，检测误差也在微米级别，这是高新科技在工业现场落地的优秀实践。

在构建起底层图像、数据库的前提下，算力成为决定设备测试精度的关键，也是深度视觉的变革点所在。创始人王帅林表示：与传统的以GPU加速做集中式运算的路线不同，深度视觉采用了基于FPGA的分布式运算，这样做的显著优势在于算力分摊，系统可在在不同光照场景下对目标多次测试，由此逐步提高测量精度。实践证明，采取深度视觉的方案后，产线一次过检率超过同行13-18%，误检率下降10%以上。

深度视觉在纵向上不断缩减销售规模与覆盖范围，纵向上深挖技术拓展能力。目前公司终于完成了多家市场领头羊企业的首台套交付，为接出来的体量化推广与下降做好了打算。从用户的使用效果来看，投资收益周期基本控制在1-3年以内，一台设备平均替代5~10个劳动力左右，与产线和设施的使用方法相关。

创始人王帅林透露，深度视觉研发的多套面向高效率外观检测的解决方案至今尚未在传统汽车零组件、航空零配件、新电力、纺织、3C等场景落地，服务用户超50家。

祥峰投资执行合伙人夏志进表示：“目前测试应用在整体视觉领域占比达一半以上，在测试应用领域内，金属和玻璃的测试难度最大。金属颜色高反光，缺陷采集困难，场景分散多样，对评估的要求特别高。深度视觉团队将人工智能和机器视觉科技相结合，对高反光、高曲率金属也能进行有效的检查，解决用户的痛点。深度视觉已经取得市场巨头们的认同。我们坚信视觉评估在工业领域的应用会愈发越丰富，深度视觉的演进空间很大。”

本文文章图片来源于深度视觉，经授权使用。本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其惩处法律责任的权力。如需转载或有任何问题，请联系。