在研究院的支持下，胡宇辉团队的研发工作很快步入正轨，在核心算法优化上也取得了初步突破。没过多久，胡宇辉又萌生了成果转化的想法，于是他带着团队一边对接企业收集实际需求，一边推进技术迭代，短短四个月后，弧心科技正式注册成立，实验室里的智慧火花，开始在产业化道路上闪耀。
跨越光影，从理想照进现实
走进北京理工大学长三角研究院（嘉兴）机械与车辆学院的实验室，一眼就能看到墙上挂着汽车底盘，一边的柜子上放着油箱、螺栓、门线等汽车配件，每件都贴了编号标签，像陈列着“技术谜题”的展品。实验室中央，一台装有视觉AI检测设备的红色机械臂，在算法系统的牵引下轻缓运作，时而悬停、时而微调角度。屏幕上的数据实时跳动，指引着摄像头完成对部件的扫描检测，仿佛在给每个部件做“精密体检”。
“平时我们就通过它来检测算法的有效性，再不断调整算法参数进行训练，其实这个设备与后续车间实际应用的设备基本一致。”胡宇辉说，“但真正的考验在车间。”
当胡宇辉团队满怀信心地将实验室里表现优异的系统搬进车间时，现实给了他们当头一棒。
首道难关来自色彩的迷惑。汽车部件中常有颜色高度相近的结构，比如说黑色底盘上的黑色螺栓等，在黑色底盘上寻找黑色螺栓，如同在黑夜中寻找黑猫，即使最敏锐的AI设备也屡屡失手。“有时候，它明明就在那里，系统却视而不见。”胡宇辉团队成员苦笑，他们不得不重新训练模型的捕色功能，反复调整特征提取模型，才让AI学会在极小的色差中捕捉蛛丝马迹。
光，成了另一个难以驯服的对手。实验室基本不会受到自然光影响，而厂房一般都有5到10米的挑高，还错落分布着天窗和侧窗，在自然光与车间内的工业照明等交织的情况下，在不同时段的光线强度、照射角度差异极大。胡宇辉团队不得不采集不同时段、不同区域的光线数据，通过算法优化让模型具备自动校正光线干扰的能力，逐步提升AI在复杂光线下的识别稳定性。
每一刻的光影都在挑战着AI的识别极限。晨昏交替，阴晴变化，胡宇辉团队开始了漫长的“追光”之旅，他们采集不同季节、不同时段的光线数据，教会算法如何在光影变幻中保持冷静。“这样的验证都是要跨年的，就像今年夏天发现的问题，经过调整后要到来年夏天再做验证。”胡宇辉坦言，近两年的时光都是在反复调试中度过的，团队终于驯服了变幻莫测的光，让AI在任何光线下都能保持“火眼金睛”般的准确，打磨出一套稳定的视觉检测技术。
更令人惊喜的是，团队仅用一个月时间，就完成了算法从燃油车到新能源车的迁移。去年，这套系统已经能够胜任汽车总装环节绝大部分的检测任务。
匠心代码，守护制造品质
在视觉AI检测赛道上，不少企业仍陷在“重硬件堆砌、轻软件打磨”的思维里，结果就是设备成本高得让中小车企望而却步，适配不同车型时还要频繁更换硬件，反而拖慢了生产线节奏。
而弧心科技选择了一条与众不同的路。
“不靠堆硬件，我们弧心是靠算法来‘抠细节’。我们相信，真正的智慧藏在代码里，而不是镜头中。”胡宇辉给记者算了一笔账：高端镜头单价近百万元，而他们使用的普通镜头仅需几千元；两名质检员年度成本约30万元，而他们的系统在研发投入后，主要成本仅剩设备本身，“综合计算，我们能帮助客户降低50%成本、提升80%以上效率。”
这份对算法的专注，让弧心科技在业内声名鹊起。北京奔驰、理想、吉利、小米、长安汽车等知名车企相继抛来橄榄枝，企业年产值迅速突破千万元大关。
如今，这位“AI质检员”正将目光投向更细微的品质角落。座椅上若隐若现的划痕、漆面上难以察觉的色差、布料上微小的线头……这些在生产线上常被肉眼忽略的“微瑕”，却是车企品质管控的“心头患”。对胡宇辉和团队来说，攻克这些毫米级甚至微米级的检测难题，既是技术升级的必然，也是响应车企追求更高品质的关键。
不同于检测底盘螺栓这类“硬结构”，细微瑕疵的识别要应对更多变量，团队没有走“叠加镜头”的捷径，而是扎进实验室，将实验台上各种材质的瑕疵样本铺展开来，逐一标注特征、训练算法。仅是为了厘清“正常褶皱”与“异常划痕”的界限，团队就埋头研究了整整两个月。
虽然目前还在攻坚阶段，但实验室里的进展已初见成效。“样品已经成功出炉，正在验证阶段。”胡宇辉指着屏幕上的检测结果，座椅划痕和布料线头都被清晰标注出来，“在很多人看来，这些细节微不足道，但对制造业而言，精度就是尊严，就是生命。”
在他看来，视觉AI检测的终极价值，不只是“查出问题”，更是要用技术的“细”守住制造业的“精”。