硬·创·当道
当今全球正在经历第四次科技革命，人工智能作为推动产业变革的核心力量，在全球越来越受关注。2020年是不平凡的一年，也是人工智能机遇与挑战并存的时刻，新型冠状病毒在全球爆发，无时无刻都在“非接触”，而用机器代替人工也是人工智能实现“非接触”的核心技术之一。
心鉴智控创始人LUO XIAOZHONG 在2018年看重了人工智能在工业运用上的优势和巨大市场前景，决定结束自己在美国微软18年的首席软件工程师工作生涯，毅然回国创业，成立心鉴智控，希望人工智能能够持续为产业赋能，加速推动产业变革，实现人工智能工程化。据2019年德勤发布的《未来已来·全球AI创新融合应用城市及展望》报告显示，未来2025年世界人工智能市场规模将超过6万亿美元。
心鉴智控成立至今在总经理LUO XIAOZHONG的带领下获得微软SmartCity黑客松第一名、18年上海云赛空间第四期优秀企业、入选微软加速器上海第五期企业、2018人工智能Top20全球CEO梦创圣典、2019年第八届中国创新创业大赛(广东•广州赛区)先进制造行业初创组三等奖、2019年第八届中国创新创业大赛广东赛区决赛先进制造行业(初创组)优秀企业、2019年“创响中国”创新创业大赛深圳赛区复赛第一名、2019年“创响中国”安徽省创新创业大赛一等奖等多项荣誉、2020年第十二届中国深圳创新创业大赛行业决赛二等奖、2020年第九届中国创新创业大赛优秀奖。
（左起为公司CEO-LUO XIAOZHONG，CMO-王霞，CTO-SUN HAIHANG）
心鉴智控致力于推动工业制造业与人工智能的深度融合，践行诚信、高效、积极的心鉴价值观，在“结果导向、自我提升、互信协作、勇于创新”的企业文化感召下，为助力工业变革奉献力量。
/技术分享
１）运用计算机视觉、深度学习、数据采集以及云技术的有机结合，综合解决工业生产中的难点痛点，用AI为工业自动化深度赋能。
２）基于传统视觉特征提取和小样本深度学习算法的结合运用：
针对具体项目具体要检测的瑕疵，有针对性地用图像处理的方法提取瑕疵特征向量，并用此特征向量训练神经网络，降低了对网络复杂度和样本数量的要求，能解决工业生产中大多数传统视觉无能为力，或因为样本不足导致机器学习困难、落地难的问题。
３）对白玻及半透明输液袋等产品有独特的打光和大视场高速成像检测方案:
采用偏振光、条纹光以及心鉴独创的打光方式，对人眼难于检测的细微的划伤、崩边、针眼、毛灰尘能稳定地检出，解决了此类产品人工检测主观性、人眼空间和时间分辨率有限、不确定性大、易产生歧义和效率低下的难点和痛点。
４）AutoML自动机器学习系统：
自主研发自动学习平台，统一模型参数，以及接口调用的方式，降低训练成本和门槛，为客户提供自主更新模型的平台。
对现场产生的数据自动上传云端，自动采用多粒度不同精度模型对数据由粗到细逐级细化分类，能克服传统深度学习过程中人工标注、参数调整等工作量大、繁琐的缺点。
产生的新模型在独立的测试集上与旧模型验证对比，并快速布置产线，形成数据闭环，在产线上直接模型迭代，使模型迭代更新快，让深度学习真正落到实地。
５）基于Linux系统的C++面向对象模块化设计和开发：
对生产线上连续运行的离散型产品的瑕疵检测，可以根据产线情况、瑕疵检测要求和用户希望显示的数据等来通过json配置文件配置相机个数、工位个数、图像抠图、通讯协议等，可以自动生成后台处理程序和UI界面。系统可快速复制在不同项目中，运行速度快，通用性好，安全性好，易于扩展和多平台移植。
６）流程化的数据增强工具库和心鉴自主开发的图像处理软件包：
标准化数据标注管理规范，降低人工数据标注成本。对采样图像根据产品的实际大小与形状，用自主开发的图像处理软件包对图片进行像素处理、找边、找特征向量等操作，划定感兴趣的AOI区域，与通常将整个图像送入神经网络训练的方法不同，通过使用划定AOI区域的方法图像体积小，神经网络的计算量小，对数据量的要求少，更易训练出准确的模型。
并对得到的数据进行像素变换、瑕疵模拟生成等方法进行数据增强，使训练数据可以几十上百倍地提高，与AutoML自动机器学习系统结合，数据闭环，自动检测增强数据的有效性，能实现不同项目产品的快速落地和移植。
7）统一测试部署平台，自主研发基于容器化的部署和测试环境，提高在产线上部署的效率。
文章来源：心鉴智控（深圳）科技有限公司，欢迎观点交流碰撞。
