【昊志机电谐波 | 资本】高精度检测方案提供商深度视觉宣布获得5000万元Pre-A轮融资
加入高工机器人专业行业群（高工机器人CEO圈，高工机器人产业4群，移动机器人产业链群），加微信：13590381326，出示名片，仅限机器人及智能制造产业链上的核心零部件供应商、本体厂家、系统集成商、终端用户。
10月12日，利用计算机视觉开发工业级高精度外观检测方案的杭州深度视觉科技有限公司（以下简称：深度视觉）宣布获得近5000万元Pre-A轮融资，由祥峰投资领投、高通创投跟投。
公司创始人王帅林表示，此次融资将主要用于全光谱视觉技术研发，并加速现有研发成果快速转化。
据悉，深度视觉成立于2017年，一直专注机器视觉技术研发和产品设计，公司开发了多套面向高精度外观检测的解决方案，目前已在传统汽车零部件、航空零部件、新能源、纺织、3C等场景落地，服务客户超50家，已签约多家行业头部客户。王帅林认为，以高效替代低效，利用好分布式运算、人工智能、大数据等技术优势将对工业检测领域甚至整个工业生产带来变革。
事实上，近十年来，机器视觉技术在工业领域的应用日趋广泛，随着国内机器视觉技术与产品在实践中不断完善，机器视觉技术已经在消费电子、汽车制造、光伏半导体等多个行业应用。
GGII数据显示，2019年中国机器视觉市场规模65.50亿元（该数据未包含计算机视觉市场规模），同比增长21.77%。2014-2019年复合增长率为28.36%。GGII预测，到2023年中国机器视觉市场规模将达到155.6亿元。
2014-2023年中国机器视觉市场规模及预测（单位：亿元，%）
数据来源：高工机器人产业研究所（GGII）
市场广则入局者众，目前进入机器视觉领域的企业数量众多，从应用功能领域划分，主要是检测、测量、定位、识别读码等几种，各家企业都有自身专注的领域。在很大程度上，对于机器视觉领域，工艺算法是主要壁垒，行业案例是敲门砖，鉴于当前的应用还处于较早期的阶段，GGII定义当下的中国机器视觉行业还处于早期的卡位阶段。
在这一阶段拥有高尖端技术或创新型机器视觉产品，并能快速落地的企业仍将能受资本市场青睐，并在资本的助力下，获得高速成长的更多要素。
其中，检测应用在整体视觉领域占比达一半以上，在检测应用领域内，金属和玻璃的检测难度最大，金属材质高反光，缺陷采集困难，场景分散多样，对检测的要求尤其高。深度视觉通过将人工智能和机器视觉技术相结合，对高反光、高曲率金属也能进行有效的检测，有效解决客户痛点。
据悉，深度视觉的技术路线与市面上大多数公司的有明显区别——深度视觉拥有全技术链条的研发设计能力，包括相机设计与开发、边缘计算、图像算法、光场光路设计、人工智能算法、自动化设备设计等多项核心技术，能够实现更高的检测效率和一次性过检通过率，大幅降低误检率、漏检率，具体来看：
在视觉设计中最为关键的光学检测环节，行业的关注点在于——如何能在有限打光条件下，针对繁多的缺陷类型进行极尽覆盖的观测。
当前，大部分机器视觉公司采用的都是某种光照下的成像效果，抽象来说就是某种静态条件下的孤立问题，以此指导设计。但问题在于，视觉检测设备面对的缺陷成像效果描述空间巨大，用“增量”的思维不仅耗时耗力，也难以覆盖所有场景。
因此，深度视觉整合了目前所有已知的缺陷类型，并进行完备的分析测试论证，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，精密金属工件表面存在众多不确定性因素会影响检测结果，例如表面工业油渍的干扰，超高速在线的速度要求、传送装置的抖动等。
在很多其他实验室技术仍旧停留在理论阶段的情况下，深度视觉通过不断在一线的反复测试和验证，具体设备上已经实现了99%以上的缺陷类型检出覆盖和整体实测98%左右的合格率，检测精度也在微米级别。
在建立起底层图像、数据库的前提下，算力作为决定设备检测效率的关键，也是深度视觉的创新点所在。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，这样做的明显优势在于算力分摊，系统可在不同光照场景下对目标多次检测，由此大幅提升检测效率。
实践证明，采取深度视觉的方案后，产线一次过检率高于同行13-18%，误检率降低10%以上。
深度视觉在横向上不断扩大销售规模与覆盖范围，纵向上深挖技术拓展能力。目前公司已经完成了多家行业头部用户的首套交付，接下来将做规模化推广。从客户的使用效果来看，投资回报周期基本控制在1-3年以内，一台设备平均替代5~10个劳动力左右，当然这与产线和设备的使用方式相关。
招募作者
高工机器人正在招募兼职内容创作者和专栏作家，请将简历和原创作品投至邮箱：my.pan@gaogong123.com
我们对职业、所在地等没有要求，欢迎有兴趣有能力的朋友加入！