奥普特(688686) - 2024 Q2 - 季度财报
688686奥普特(688686)2024-08-29 17:55

财务数据 - 公司2024年半年度拟派发现金红利15,890,609.15元,占2024年半年度合并报表中归属于上市公司股东净利润的14.02%[3] - 公司2024年半年度总股本为122,235,455股[3] - 公司2024年半年度营业收入、净利润等具体财务数据未披露[1,2,3] - 报告期内营业收入为522,296,856.56元,同比下降15.65%[15] - 报告期内归属于上市公司股东的净利润为113,354,887.64元,同比下降34.73%[15] - 报告期内归属于上市公司股东的扣除非经常性损益的净利润为97,108,928.06元,同比下降38.72%[15] - 报告期内经营活动产生的现金流量净额为9,297,030.39元,同比下降83.20%[15] - 报告期内基本每股收益为0.9273元,同比下降34.81%[16] - 报告期内加权平均净资产收益率为3.88%,同比减少2.42个百分点[16] - 报告期内研发投入占营业收入的比例为21.05%,同比增加4.18个百分点[16] 业务概况 - 公司主要从事机器视觉核心软硬件产品的研发、生产和销售[22] - 公司以机器视觉软硬件产品为主,并向传感器、运动产品线延伸[22] - 公司拥有完整的机器视觉核心软硬件产品线,并持续推出多品类工业传感器[22] - 公司主要产品包括机器视觉核心软硬件及工业传感器产品,是实现智能制造的关键构成部分[24] - 公司坚持基础研发、产品研发与前瞻性研发并重,不断提升产品技术水平和用户体验[24] - 公司建立了以提供机器视觉解决方案带动产品销售的业务模式,为客户提供技术服务和支持[25] - 公司自主生产的产品包括光源、光源控制器、工业镜头、工业相机等,并根据应用场景提供定制化的机器视觉解决方案[26] - 公司采取以销定产并保持一定安全库存的生产模式,对常用产品采用备货生产,对非标产品采用按单生产[26] 行业分析 - 中国已成为全球机器视觉发展最活跃的地区之一,机器视觉技术被视为新质生产力的重要组成部分[27] - 2022年中国机器视觉市场规模170.65亿元,公司在3C电子及锂电行业有明显的技术领先优势和市场影响力[28] - 机器视觉行业属于技术密集型行业,较高的技术门槛对潜在市场进入者构成了壁垒[28] 公司概况 - 公司成立于2006年,是国内较早进入机器视觉领域的企业之一[29] - 公司拥有完整的机器视觉核心软硬件产品线,产品定位于中高端市场[29] - 公司产品已成功应用于3C电子、锂电、汽车、半导体、光伏等多个领域[29] 技术发展趋势 - 高精度成像技术在新能源锂电池检测和3C AOI领域发挥关键作用[32] - 高精度成像技术能够精准检测出诸如针孔、焊坑、毛刺等微小缺陷[32] - 高精度成像技术在半导体制造领域的AOI检测设备中也不可或缺[32] - 新型光源类型如激光与LED不断涌现,满足了高精度成像的严格要求[32] - 智能化光源控制技术的发展使光源参数能自动调节优化成像质量[32] - 随着智能制造技术的普及,生产企业对视觉功能的需求急剧增长[31] - 机器视觉相关企业正聚焦于优化系统的高精度成像"视力"和智能分析算法[31] - 机器视觉系统在弱光照条件下能获取空间高度信息,具有更高的稳定性和适应性[33] - 基于AI技术的机器视觉系统能够更精准地理解和应对复杂多变的工业环境,广泛应用于生物识别、机器人、消费电子等行业[33] - 深度学习技术在机器视觉检测领域的应用比重日益攀升,在应对复杂视觉场景中展现出卓越效能[33] - 深度学习与3D视觉感知的结合为机器视觉系统带来革命性进步,能够更精准地识别、分类和定位物体[33] - 基于SAM大模型的应用在工业制造缺陷检测中展现出卓越的检测能力,推动了相关行业的智能化进程[33] - 视觉语言大模型如AnomalyGPT、SegGPT实现了少样本乃至零样本场景下的高效工业异常缺陷检测[33] - 标准化和平台化的视觉成像方案大幅降低了技术应用的门槛,提升了应用效率[34] - 自适应视觉分析算法和高精度通用图像感知技术的持续优化,为机器视觉系统赋予了更强的兼容性和灵活性[34] - 头部企业提供的针对特定行业和场景的创新性视觉解决方案,解决了行业痛点,推动了生产效率和产品质量的显著提升[34] - 针对新能源锂电池前工序的缺陷检测解决方案,实现了对多个工艺流程的全面覆盖,无需额外训练即可投入使用[34] - 机器视觉成像技术将持续提升分辨率,从单一光谱发展到多/高光谱[35] - 机器视觉工业相机将向智能化、模块化和特定应用导向发展[35] - 3D视觉技术与深度学习的深度融合将拓展应用边界,应用于自动驾驶、智能机器人等领域[36,37] - 大模型与小模型的有机结合将为工业智能化提供全面、精准的技术支持[38] - 多模态信息融合将极大提升