*本文共约1131字，“公司目前账面现金余额不足以支付9月份工资，阅读完成需2.5分钟。
近日，面临资金链断裂，品图视觉宣布完成数千万元A轮融资，预计在两周内借得用于支付9月份工资的款项并将于届时发放。之后公司将没有资金正常运作，领投方为启高资本。
品图视觉介绍，无力支付家9月后的薪水和离职补偿金。”丁钧表示，本轮融资后，公司将向员工出具欠款凭证，将进一步加人工智能在机器视觉，等财务状况好转或完成破产清算时，特别是产品外观缺陷检测相关技术的应用和布，进行相应补偿。对于此消息，推动产品的研发迭代与核心团队的扩充。
消费电子行业是重度劳动密集型的产业，猎云网拨打丁钧电话进行求证。截止发稿，其产品从物料、组件到最终成品，电话处于无人接听状态。随后，需要经历上百道的检验工序，猎云网拨打了简网生活圈另一位管理层电话，然而在分工厂中，检验均由人工完成，工人需求量的同时，也容易对检测工人的视力造成影响，劳动力成本较高。在这样情况下，工厂对检验工序的自动化需求旺盛。
基于行业机遇，2017年，品图视觉，作为一家AOI方案及设备研发生产商，致力于生产新一代高效、柔性的机器视觉质检技术和系统。
AOI指的是自动光学检测，是目前主流的AI工业检测手段之一，需要整合包含光学、成像、算法等多元复杂学科，主要用于制造业对镜片、PCB及产品壳面的生产线中的瑕疵检测。
品图视觉CEO刘颖介绍，在视觉检测领域要解决的两难题就是如何拍到瑕疵以及如何排除干扰，检出瑕疵。
为了实现“能看见瑕疵”，品图视觉了高效能瑕疵拍摄系统。
针对外观瑕疵检测的应用，品图视觉自主设计光学中的核心零件，如高亮线性扫描光源, 光圈高分辨率工业镜头等。 同时，团队还研发了自由曲面配光算法，能够辅助设计各种非对称的复杂自由曲面光学系统及光学组件，将原本需要1-2个月生成的工业打光方案设计周期缩短到1-2天，提升了灯光设计署效率。
在分析瑕疵及抗干扰方面，品图视觉将深度学技术用于瑕疵检测，设计了LibWILL人工智能瑕疵检测软件系统，通过对图像瑕疵形态的“学”，形成检测模型。该系统基于高性能GPU平台(如CUDA)及底层计算库（如BLAS）构建“层迭式”的瑕疵目标检测算法，针对工业视觉外观检测的应用进行优化。
另外，针对瑕疵检测的结果，品图视觉智能通过数据分析和预测软件系统云平台，将检测出的瑕疵缺陷问题进行分类，指导管理者进行产线制程检查，为生产管理者输出相应的分析报告，缩短了故障、缺陷诊断时间，减少材料浪费以及制程时长。
在软硬件结合的技术优势下，品图视觉的设备已被用至十余家企业的生产系统中，客户群体覆盖手机镜头、安防镜头、高端影像产品镜头、车载镜头等领域，合作客户包括舜宇光学，宇瞳光学、联合光电、柯尼卡美能达等知名光学企业。
此外，品图视觉的融资也透露出一个信号：机器视觉的赛道一片火热。
一方面，机器视觉融资不断。例如在9月份，梅卡曼德、图漾科技、赛那德、知象光电、易思维等视觉厂家已经先后完成融资。
另一方面，相关机器视觉的企业数量也逐年在增长，从应用功能领域划分，主要是检测、定位分拣、测量、识别读码等类别企业居多。
高工产业研究所（GGII）分析，至2023年我国机器视觉市场规模将达到208.6亿元，作为AI技术与工业制造结合的典型代表，机器视觉的赛道将迎来重要的发展机遇。
—END—
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
