☆经营分析☆ ◇688686 奥普特 更新日期：2025-04-16◇
★本栏包括 【1.主营业务】【2.主营构成分析】【3.经营投资】【4.参股控股企业经营状况】
【1.主营业务】
机器视觉核心软硬件产品的研发、生产和销售。
【2.主营构成分析】
【2023年年度概况】
┌────────────┬─────┬─────┬───┬──────┐
｜项目名称 ｜营业收入( ｜营业利润( ｜毛利率｜占主营业务收｜
｜ ｜万元) ｜万元) ｜(%) ｜入比例(%) ｜
├────────────┼─────┼─────┼───┼──────┤
｜机器视觉 ｜ 94202.30｜ 60560.01｜ 64.29｜ 99.80｜
｜其他业务 ｜ 184.79｜ 60.99｜ 33.01｜ 0.20｜
├────────────┼─────┼─────┼───┼──────┤
｜机器视觉核心部件 ｜ 80904.54｜ 53143.35｜ 65.69｜ 85.72｜
｜机器视觉配件 ｜ 13297.76｜ 7416.66｜ 55.77｜ 14.09｜
｜其他业务 ｜ 184.79｜ 60.99｜ 33.01｜ 0.20｜
├────────────┼─────┼─────┼───┼──────┤
｜境内销售 ｜ 87332.56｜ 55379.83｜ 63.41｜ 92.53｜
｜境外销售 ｜ 6869.74｜ 5180.18｜ 75.41｜ 7.28｜
｜其他业务 ｜ 184.79｜ 60.99｜ 33.01｜ 0.20｜
└────────────┴─────┴─────┴───┴──────┘
【2022年年度概况】
┌────────────┬─────┬─────┬───┬──────┐
｜项目名称 ｜营业收入( ｜营业利润( ｜毛利率｜占主营业务收｜
｜ ｜万元) ｜万元) ｜(%) ｜入比例(%) ｜
├────────────┼─────┼─────┼───┼──────┤
｜机器视觉 ｜ 114080.67｜ 75516.09｜ 66.20｜ 99.99｜
｜其他业务 ｜ 14.37｜ --｜ -｜ 0.01｜
├────────────┼─────┼─────┼───┼──────┤
｜机器视觉核心部件 ｜ 96336.36｜ 64799.49｜ 67.26｜ 84.44｜
｜机器视觉配件 ｜ 17744.32｜ 10716.60｜ 60.39｜ 15.55｜
｜其他业务 ｜ 14.37｜ --｜ -｜ 0.01｜
├────────────┼─────┼─────┼───┼──────┤
｜境内销售 ｜ 108325.27｜ 71594.44｜ 66.09｜ 94.94｜
｜境外销售 ｜ 5755.41｜ 3921.64｜ 68.14｜ 5.04｜
｜其他业务 ｜ 14.37｜ --｜ -｜ 0.01｜
└────────────┴─────┴─────┴───┴──────┘
【3.经营投资】
【2024-06-30】
一、报告期内公司所属行业及主营业务情况说明
（一)主要业务、主要产品或服务情况
奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产、销售的国家高新技
术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运动产品
线延伸，用先进技术及产品助力客户的品质管控、降本增效，快速为客户提供智能
、前沿的自动化核心产品及解决方案。
奥普特成立于2006年，是我国国内较早进入机器视觉领域的企业之一。在成立之初
，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌
所垄断的机器视觉市常在十几年的发展过程中，公司坚持“深耕优势、以点带面、
以面促点、逐个突破”的发展路径，将产品线逐步拓展至其他机器视觉部件。奥普
特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能
视觉平台、深度学习（工业AI）、光源、光源控制器、工业镜头、工业相机、智能
读码器、3D传感器、一键测量传感器、工业传感器产品。同时，奥普特以核心光学
技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器
；结合资本优势，在运动产品领域进行布局，拟并购成熟协同企业，拓展产品线。
以此为基础，公司能够向下游客户提供各种视觉、传感器及运动部件等自动化核心
产品及解决方案，提升客户粘性及公司竞争力。
（二）主要经营模式
1.盈利模式
公司依靠产品和解决方案的研发积累形成的技术体系，为客户提供具有技术附加值
的机器视觉核心软硬件产品，从中取得收入、获得盈利。
2.研发模式
公司的主要产品机器视觉核心软硬件及拓展中的工业传感器产品是实现智能制造的
关键构成部分之一。公司所处行业为机器视觉行业，属于技术密集型行业。研发能
力是关系公司在行业内竞争力的核心因素之一。公司的研发主要包括基于各机器视
觉软硬件产品及工业传感器产品的研发和基于机器视觉解决方案的研发。
基于各机器视觉软硬件产品及工业传感器产品的研发，公司坚持基础研发、产品研
发与前瞻性研发并重。一方面公司通过包括对光学成像、图像处理、深度学习（工
业AI）、3D视觉技术、异构计算、电子电路及精密结构等技术的研究，为产品研究
夯实了技术基础；另一方面，公司也贴合客户需求不断研发改进既有产品，有效地
满足客户需求、提升用户体验；此外，公司根据业务发展规划，结合行业发展趋势
，进行前瞻性的产品研发和布局。
基于机器视觉解决方案的研发包括三个层次。第一个层次是针对客户具体的需求和
应用场景进行的方案研发。机器视觉的应用场景千变万化，在实际应用过程中，需
要考虑到各种各样的因素，如被摄目标自身的大孝形状，机器视觉所在设备的自身
结构、速度等，对机器视觉系统的影响，才能设计出合适、可实现应用目标的方案
。第二个层次是从若干客户的各种具体应用场景中对解决方案进行总结研发，提炼
出在一定应用场景下相对普适性的解决方案，从而向客户提供更优化、简洁、高效
的产品和服务。第三个层次是将应用数据反馈回具体的机器视觉软硬件层面，总结
出产品改进和新品开发的路线，促进产品的研发。
3.销售模式
公司的销售模式均为买断式销售，主要依托向客户提供解决方案带动产品的销售，
主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。
机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的重要核心部分
。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和
能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套
高效的机器视觉解决方案的设计需要大量的经验数据，而机器视觉的使用者往往较
难积累足够的机器视觉应用经验数据库。因此，在销售机器视觉部件过程中，为客
户提供技术服务和支持尤为重要。通过对行业特点的分析，结合公司自身的优势，
公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。
4.采购模式
公司的对外采购主要分为两个部分：一部分是生产所需的原辅料，包括五金塑胶件
、电子电器件、LED、光学件、PCB（A）、线材、接插件、包装材料等，用于生产
自产产品。由于公司自产产品线较多，每条产品线涉及的原材料有较大差别，因此
，该部分原辅料的采购具有品种极多、单品种采购量较小等特点。另一部分是用于
配合视觉方案销售的外购成品，包括部分相机、镜头等。该部分采购主要针对的是
公司目前产品线或产品型号尚未覆盖的部分。
公司结合销售订单和市场需求预测制定生产计划和发货计划，根据生产计划和发货
计划制定原材料和外购成品采购计划。对于交付周期较长的材料和成品、一般通过
销售预测确定预计使用量并联系供应商提前进行备货；对于部分生产过程中普遍适
用的通用型材料和成品则维持合理的安全库存，保证生产和销售。
5.生产模式
奥普特拥有完整的机器视觉核心软硬件产品，并不断完善传感器产品线。自主视觉
产品线已全面覆盖视觉算法库、智能视觉平台、深度学习（工业AI）、光源、光源
控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量传感器、工业传
感器产品。随着公司产品线的不断丰富和完善，公司自产的产品品种和系列逐渐增
多。
在这些自主生产的产品中，根据常用程度和应用范围大小进行区分，自主产品的标
准化程度情况如下：（1）光源产品，包括标准产品和非标准产品，非标光源主要
是在标准光源的基础上对尺寸、照度、均匀性等指标进行调整或者组合；（2）光
源控制器产品，以标准产品为主，少量非标型号是在标准产品的基础上，对某些特
定指标，如电流、电压等，进行强化或者其它特别设定；（3）自主工业镜头、工
业相机、视觉控制器、视觉处理分析软件，均为标准产品。上述标准或者非标准的
产品，依托公司的应用技术和向客户提供的解决方案进行组合，从而在各种各样的
应用场景中，实现各异的视觉功能。因此，解决方案层面，公司的机器视觉解决方
案具有定制化、多品种、小批量的特点。随着行业方案的批量应用及深度积累，逐
步实现行业方案及产品和交付的标准化。
公司采取以销定产并按照销售预测保持一定安全库存的生产备料模式，以保证生产
的平稳性和交期的灵活性。对于较为常规的产品，公司采用“备货生产”模式。即
根据历史订单数据、下游市场情况等信息进行销售预测并确定安全库存水平，在考
虑上游供货周期的基础上，以该库存水平为目标，调整生产节奏，提前排产，以便
快速响应市场需求。对于常用程度较低、应用范围较窄的非标准产品，公司采用“
按单生产”模式。即以订单为导向，按照客户需求的产品规格、数量和交货期来制
定生产计划，组织备料排产。
（三）所处行业情况
1.行业的发展阶段、基本特点、主要技术门槛
公司所处行业为机器视觉行业，机器视觉率先发生和发展在基础科学和技术水平领
先的北美、欧洲和日本等发达地区，在全球的发展历史不过半个多世纪。虽然发展
时间较短，但在全球范围，以技术革新速度和工业发展之有利形势，机器视觉行业
获得了快速的发展。我国机器视觉行业启蒙于20世纪90年代，从代理国外机器视觉
产品开始，经历了启蒙阶段、初步发展阶段，目前正处于快速发展阶段。进入21世
纪后，少数本土机器视觉企业才逐渐开启自主研发之路。本世纪10年代左右，伴随
我国经济的发展、工业水平的进步，特别是3C电子、锂电行业自动化的普及和深入
，本土的机器视觉行业获得了空前的发展机遇。
目前，中国已经成为全球制造业的加工中心，中国正成为世界机器视觉发展最活跃
的地区之一，应用范围涵盖了包括3C电子、锂电、汽车、半导体、光伏等国民经济
的各个领域。2024年3月5日，李强总理在作政府工作报告时强调，应“大力推进现
代化产业体系建设，加快发展新质生产力”。新质生产力是创新起主导作用，摆脱
传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新
发展理念的先进生产力质态。机器视觉技术被视为新质生产力的重要组成部分，是
实现生产力质变的关键技术之一。在工业自动化系统中，机器视觉技术承担着感知
入口、数据承载和行业大脑的角色，是推动制造业高质量发展的核心动力。它不仅
提高了生产效率，推动了产业变革，还促进了智能视觉产业的发展，成为新质生产
力的重要驱动力。智能视觉产业作为新质生产力发展的重要赛道，其发展具有广泛
性、融合性、高附加值和战略性等特点，为经济增长提供了新的动力。因此，机器
视觉技术在新质生产力中具有重要的地位和作用。随着技术的不断进步和应用领域
的不断扩大，机器视觉技术在新质生产力中的作用和地位将更加突出和重要。
高工机器人产业研究所（GGII）数据显示，2022年中国机器视觉市场规模170.65亿
元（该数据未包含自动化集成设备规模），其中对机器视觉技术要求较高的行业，
中国3C电子行业机器视觉市场规模为43亿元，中国锂电机器视觉市场规模为21亿元
。奥普特2022年、2023年营业收入分别为11.41亿元、9.44亿元，业务收入集中于3
C电子及锂电行业，在行业中有明显的技术领先优势和市场影响力。
机器视觉行业属于技术密集型行业，跨越多个学科和技术领域，需要在包括成像、
算法、软件、传感器等领域积累大量的技术，需要持续的大量研发投入。因此，较
高的技术门槛对潜在的市场进入者构成了壁垒。
2.公司所处的行业地位分析及其变化情况
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。在发展过程中，公
司注重技术的积累，奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全
面覆盖视觉算法库、智能视觉平台、深度学习（工业AI）、光源、光源控制器、工
业镜头、工业相机、智能读码器、3D传感器、一键测量传感器、工业传感器产品。
公司产品定位于中高端市场，研发、设计和生产的机器视觉产品已经成功应用于3C
电子、锂电、汽车、半导体、光伏等多个领域，协助下游客户建立和增强智能制造
能力，并为公司技术发展和应用经验的沉淀提供了有力保证。基于图像传感器的技
术积累，公司工业传感器产品线开始初具规模，但整体仍处于起步阶段。公司已建
立稳定的客户群体，产品应用于全球知名企业和行业龙头企业的生产线中。随着公
司应用行业的进一步扩大以及公司面向不同行业不断推出新产品、不断提升服务能
力，公司产品销售规模及市场占有率有望持续稳步扩大。
3.报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
2024年上半年，机器视觉行业经历了显著的技术革新、产业升级以及新业态和新模
式的涌现，这些变化为行业的未来发展奠定了坚实的基矗以下是对2024年半年度机
器视觉行业新技术、新产业、新业态、新模式的发展情况以及未来发展趋势的详细
分析：
（1）新技术发展
机器视觉技术，通过光学成像与算法分析，赋予自动化生产设备视觉与处理能力，
实现识别、测量、定位与检测等功能。作为智能制造的核心驱动力，通过融合先进
的光学成像与算法分析技术，机器视觉技术为自动化生产设备赋予了强大的视觉感
知与处理能力。随着智能制造技术的日益普及，生产企业对精准质量检测、高效数
据处理、精确尺寸测量及深度溯源分析等视觉功能的需求急剧增长，推动了机器视
觉系统向更高精度与效能的进化。机器视觉相关企业正聚焦于优化机器视觉系统的
高精度成像“视力”（即成像清晰度）与智能分析算法，以满足市场对更高级别自
动化生产流程的需求，从而引领智能制造的新一轮变革。
①高精度成像
高精度成像技术作为机器视觉领域的核心驱动力，在上半年展现出了重要的应用价
值。特别是在新能源锂电池检测和3C AOI（自动光学检测）等领域，高精度成像技
术的应用已经成为确保产品质量和提高生产效率的关键因素。随着智能制造和工业
自动化的深入发展，对高精度成像的需求不断上升，推动着高精度成像技术的持续
进步与创新。
2024年上半年，新型光源类型如激光与LED不断涌现，其性能的提升与多样化满足
了高精度成像的严格要求。同时，光源的波长覆盖范围逐步扩大，以适应不同材料
与物体表面的照明需求。在光源布局上，创新设计如多光源组合与动态调节技术提
高了照明效果与系统灵活性。此外，智能化光源控制技术的发展，使得光源参数能
自动调节来优化成像质量，进一步推动了机器视觉在智能制造与工业自动化中的深
入应用。
高精度成像技术在新能源、3C、半导体等行业发挥着关键作用。新能源锂电池作为
电动汽车、储能系统等领域的核心部件，在锂电池的焊接质量检测中，通过使用具
备高分辨率的相机和镜头，可以精确捕捉到前工序中的针孔、焊坑、毛刺等微小缺
陷，确保产品的质量可靠性。此外，在锂电池中段焊接及包装工艺的电芯表面缺陷
检测中，高精度成像技术能够清晰地识别出诸如翻折、划痕、褶皱等缺陷形态，从
而显著提高视觉分析的效果。同样，在3C电子产品的AOI（自动光学检测）质检场
景中，高精度成像技术能够精准获取到诸如压伤、破损、色差等不良形态特征。不
仅如此，在半导体制造领域，高精度成像技术也是不可或缺的一部分。AOI检测设
备利用先进的光学成像系统，包括高分辨率的相机、精密的光学镜头和光源，能够
检测出芯片上的细微缺陷，如颗粒污染、划痕、双胞、立晶等。这些技术的进步对
于确保新能源、3C电子产品以及半导体器件的质量和安全具有重要意义。
相比于2D视觉感知，3D视觉感知在弱光照条件限制下能获取空间高度信息，且具有
更高的稳定性、适应性。基于AI技术，通过对2D、3D多元数据深度融合，使得视觉
系统能够更精准地理解并应对复杂多变的工业环境，被广泛应用到生物识别、机器
人、消费电子、工业三维测量、汽车自动驾驶等行业，实现工业产品质量检测、高
精度定位引导以及物体抓取等任务。例如，高密度电子制造行业中电子零部件尺寸
测量，测量精度可以达到亚微米级甚至纳米级。
②智能分析算法
当前，传统的机器视觉系统，主要依赖于常规机器学习和图像分析技术，正面临性
能提升的瓶颈，其准确性、鲁棒性及泛化能力难以满足智能制造日益增长的高标准
需求。尤其是，要求极为苛刻的生产工艺流程，例如锂电池智能制造，漏检率要求
从百万分之一（PPM）跃升至十亿分之一（PPB）级别，这对传统系统构成了巨大挑
战。然而，随着人工智能技术的迅猛发展，AI技术极大地增强了机器视觉系统的分
析能力，不仅显著提升了检测精度与效率，还拓宽了其应用领域，加速了机器视觉
技术在各行业中的普及与应用，为智能制造的升级转型注入了强劲动力。并在以下
几个方面变化显著：
随着深度学习技术的持续深入发展，其在机器视觉检测领域的应用比重日益攀升，
尤其是在应对背景复杂、成像多变及频繁换型等挑战性视觉场景中展现出卓越效能
。以锂电池质检为例，深度学习技术已成功覆盖并部分替代了叠片、模切、卷绕等
关键工序中三分之二的传统算法，实现了检测速度与质量的双重飞跃，显著提升了
生产良率。同时，深度学习视觉分析算法与柔性生产制造模式之间的融合度不断加
深，不仅显著增强了分析性能，还大幅降低了学习成本。如今，构建深度学习模型
所需的训练图像数量已大幅缩减，甚至少量图像即可满足需求，极大提升了生产换
型的便捷性与效率。新增或更新训练任务时，模型能够自适应增量学习，训练周期
缩短至原来的1/3。在保证性能的前提下，深度学习模型所依赖的计算资源也在逐
步降低，部署时从原先的高端显卡逐步过渡到中/低端显卡，甚至可以在CPU条件下
进行推理运算，进一步推动了机器视觉系统的普及与应用。
深度学习与3D视觉感知的有机结合为机器视觉系统带来革命性的进步。基于3D深度
学习的系统能够更精准地识别、分类和定位物体，赋能更广泛的工业制造。基于3D
感知获取工件表面的3D形状和表面信息，利用先进的3D深度学习算法精确检测产品
缺陷，尤其是依赖2D视觉难以发现的微弱缺陷。在知名锂电企业的关键工位，漏检
率降低了50%以上。在智能手机、耳机模组的装配过程中，该技术通过高精度的三
维扫描和深度学习处理，能够准确获取模组、胶路的相对位置，从而指导机器人实
现高精度AOI缺陷检测、胶路引导、点胶质量分析，有效降低了人工操作误差和产
品不良率。
大模型在机器视觉系统中的应用逐渐展现出巨大的潜力和价值。2024年7月，继SAM
大模型之后，Meta发布SAM2大模型，可以分割一切图像和视频。进一步扩展视觉大
模型的应用边界。在视觉领域，基于SAM、SAM2大模型的应用正日益广泛。例如，
在图像分割领域，传统手工标注目标掩码的方法耗时冗长且成本高昂，而创新的SA
M算法通过显著优化，不仅将标注质量提升至新高度，还实现了标注速度三倍以上
的飞跃。这一技术突破在工业制造缺陷检测中大放异彩，SAM检测模型能够精确捕
捉狭长划痕、模糊污渍、微小破损等复杂缺陷，展现出卓越的检测能力。进一步地
，基于SAM定制的行业大模型在3C、新能源、生物、医学等多个领域展现出强大的
泛化性和通用性，推动了这些行业的智能化进程。同时，视觉语言大模型，例如An
omalyGPT、SegGPT的引入，更是通过文本提示的方式，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，展现了惊人的迁移学习潜力和低样本需求下的卓越
检测性能。这些前沿技术的融合与发展，不仅为机器视觉领域注入了新的活力，也
为相关企业转型升级、提升竞争力提供了强有力的技术支撑。
（2）新产业、新业态发展
机器视觉系统的通用性和泛化性正日益增强，为多个生产行业提供了更为精准、灵
活的视觉解决方案。上半年，标准化和平台化的视觉成像方案成为引领行业发展的
主流趋势，极大地降低了技术应用的门槛，提升了应用效率，使得机器视觉技术能
够更加广泛地应用于各类生产场景。在技术创新方面，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。
这些技术突破使得机器视觉系统能够轻松应对不同行业的特定需求，提供低成本、
便捷灵活的定制化服务。这种高度的灵活性和适应性，使得机器视觉技术成为推动
企业智能化转型的重要力量。视觉行业的领军企业凭借多年的行业积累、强大的研
发实力以及丰富的行业经验，不断推出针对特定行业和场景的创新性视觉解决方案
。这些方案不仅解决了行业痛点，还推动了生产效率和产品质量的显著提升。以新
能源锂电池前工序的缺陷检测为例，头部企业提供的解决方案已经实现了对多个工
艺流程的全面覆盖，稳定检测数十种生产缺陷，无需额外训练即可投入使用，极大
地提高了生产效率和产品质量。
（3）未来发展趋势
中国制造业在取得全球领先地位的同时，正面临国际竞争的严峻挑战，这加速了智
能制造的发展进程。作为智能制造的关键技术，机器视觉通过深度融合人工智能、
大数据、云计算等前沿科技，不断提升其智能化、精准化和自主化水平。在工业企
业技术、物料、制造、装备、管理的全面智能化转型中，机器视觉以高精度的图像
识别与处理技术，为生产过程提供实时监测与控制，显著提升生产效率和产品质量
，并优化资源配置。特别地，智能检测以机器视觉为核心，为智能制造提供强大的
感知能力，确保生产闭环的完善。展望未来，随着技术的突破和产业链的完善，机
器视觉将在制造业各领域广泛应用，推动行业向高效、智能、绿色方向发展，成为
中国制造业转型升级的重要驱动力。随着技术的进步和行业的需求变化，我们预计
机器视觉行业在以下方面继续发展：
1）成像技术：分辨率持续提升，从单一光谱到多/高光谱发展
随着检测和识别对象的品质要求愈发严苛，对成像的分辨率持续提升，并对光源、
镜头和相机的成像能力提出了更高的要求：
①镜头：成像镜头产品类型由中大视野拓展到中小视野的高精度检测应用。微距定
焦镜头，高倍率大靶面远心和线扫镜头及高倍率工业显微镜将在不同的应用领域发
挥重大作用。
②光源：随着机器视觉在各个行业的应用日益广泛，对于目标物体的特征分析需求
也变得越来越复杂。单一光谱的光源往往只能提供有限的信息，例如物体的外观、
形状等。多光谱技术能实现对不同波长光谱信号的采集，从而得到高分辨率的多/
高光谱的图像信号，实现目标高维信息参量获取，这种技术大大简化了视觉系统的
光学部件复杂性，同时也推动了机器视觉实现目标的多种特征分析。
从单一光谱到多/高光谱的转变，不仅提高了机器视觉系统的信息获取能力，也扩
展了其在各行业的应用范围。随着技术的不断进步，机器视觉系统将会变得更加智
能和高效。
③相机：
a.智能化：随着人工智能和嵌入式系统技术的发展，机器视觉工业相机将变得越来
越智能。这包括集成AI模块以实现图像处理和深度学习算法，实现边缘智能，能够
同时胜任图像采集与数据处理工作。此外，智能工业相机还将利用更多的板载智能
或更智能的嵌入式技术来发展。
b.模块化：机器视觉工业相机的系统模块化也是一个重要的发展趋势。将光源、电
源、控制模块甚至一些传感器集成到整个系统的软硬件中，应用起来更加方便，系
统的稳定性也更高。这种模块化设计使得相机能够更灵活地适应各种应用场景。
c.特定应用和单一功能导向：机器视觉工业相机将越来越专注于特定应用和单一功
能，以极低的成本适用于各行各业的应用场景中。例如，某些工序检测内容固定，
只需要通过较少的硬件设备和软件算法就可完成目标的工作，比如条形码的读娶识
别某些特征是否存在等。
d.高精度和高自动化：随着工业生产对高精度和高自动化的需求增加，机器视觉工
业相机也将向更高精度和更高自动化的方向发展。这包括提高相机的分辨率、动态
范围、色彩准确性等性能，以及实现更复杂的图像处理和分析算法。
2）3D成像和检测技术：高精度重建和特征融合
随着信息技术的飞速发展，3D视觉技术结合深度学习已成为引领多个行业变革的关
键力量。3D视觉技术克服了2D视觉的信息局限性，通过真实还原物体的三维信息，
极大地提升了在高精度定位、精准抓取与复杂检测等场景下的应用能力。这一技术
革新不仅填补了2D视觉的应用空白，还极大地推动了虚拟现实（VR）与增强现实（
AR）等前沿科技的进步。
近年来，3D视觉技术中的两大主要分支——线扫3D与结构光3D，均取得了显著进展
。线扫3D产品通过持续优化硬件技术与光路设计，实现了精度与速度的双重飞跃，
成功应用于3C电子、锂电、汽车、半导体及光伏等高精度要求的行业，显著提升了
生产效率与产品质量。而结构光3D技术则在3D图像处理领域取得重大突破，有效解
决了边缘模糊、环境干扰等长期存在的技术难题，在器件精密装配与物流运输自动
化方面展现出巨大潜力。展望未来，3D视觉技术与深度学习的深度融合将是不可逆
转的趋势。深度学习算法能够赋予3D视觉系统更强大的数据处理与分析能力，使其
能够更准确地识别复杂场景中的物体、理解空间关系，并自主做出决策。这种技术
融合将极大地拓展3D视觉技术的应用边界，使其能够胜任更加智能化、高效化的市
场应用需求，如自动驾驶、智能机器人、医疗影像分析等领域。
3）视觉算法和软件技术：深度学习与多模态融合
机器视觉技术正在从单一的视觉模态向多模态、跨模态方向升级。当前，机器视觉
依赖的底层模型展现出大模型与小模型并存的态势。大模型凭借强大的泛化能力，
在跨领域迁移、跨场景泛化方面表现卓越；然而，针对特定行业或场景的视觉分析
任务时，存在很严重的数据长尾分布，大模型往往需要进行自适应微调，这导致其
实施代价高昂，具体表现为训练周期长且依赖大量计算资源，推理成本高、速度慢
且硬件依赖性强。相对而言，小模型在特定任务上展现出高效性，其训练周期短、
推理速度快且硬件依赖程度低，更适合工业质检和设备预测性维护等场景。值得一
提的是，基于Diffusion的生成大模型可以生成高质量图像，为小模型的训练提供
了丰富的数据支持，进一步提升了小模型的检测能力和通用性。未来，大模型与小
模型的有机结合将在工业制造场景下发挥更大价值，为工业智能化提供更加全面、
精准的技术支持。
AI机器视觉技术正引领智能制造迈向新的发展阶段，其核心趋势在于从单一视觉模
态向多模态、跨模态的深度融合，以及大模型与小模型在工业场景下的协同应用。
随着人工智能技术的飞跃，机器视觉系统不再局限于常规2D图像识别，而是融合了
图像、点云、时序、文本、语音等多模态信息，模拟人类更全面的感知与认知方式
，极大地提升了其在制造过程中的智能化水平。例如，对于需要触感才能准确鉴别
产品表面质量的情况，通过结合触觉传感器感知产品的物理特性，可以实现更全面
、精准的缺陷检测。此外，声音也是一种重要的信息源，通过分析生产过程中的声
音，可以及时发现设备的异常情况，如轴承的磨损、电机的故障等。这种跨模态的
信息融合将极大提升工业生产的智能化和自动化水平。
人形机器人技术的日益成熟，诸如特斯拉Optimus Gen2及集成OpenAI多模态大模型
的Figure01等，这些先进产品依托于多模态大模型的强大能力，未来将能够更深层
次地理解人类指令，无论是复杂的操作任务还是微妙的语境变化，都能得到精准的
解析与执行。在生产制造领域，这意味着机器人能够制定出更为精细的工件处理策
略，实现高精度的测量引导与缺陷检测，同时还能对生产过程进行实时优化，以最
大化效率与质量。
二、核心技术与研发进展
1.核心技术及其先进性以及报告期内的变化情况
公司以视觉算法和光学技术为核心，具备开发机器视觉底层算法、平台软件，以及
光源控制和光学模拟等核心组件的能力。核心技术包括深度学习（工业AI）算法、
传统视觉算法、3D视觉算法、光源控制和光学成像等。公司重点发展深度学习（工
业AI）技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速
等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处
理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分
析技术等传感器技术，以及高端超精密运动部件驱动及驱控一体技术等，加强公司
在自动化核心零部件领域的产品竞争力。
同时，结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司
构建了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。
公司始终秉承以产品和技术为核心的经营理念，并取得了显著成就。报告期内，公
司研发投入达到1.10亿元，同比增长5.28%。通过不断加强与客户的技术交流，公
司在产品创新上取得进展。
（1）产品线拓展完善
①光源产品线：为满足更复杂应用场景的需求，公司推出了多颜色可切换的光纤光
源、可消除莫尔纹的高清晰平面无影光源、适用于反光工件表面缺陷检测的平面条
纹光源，为客户提供了更高质量和更高效率的光源解决方案。
②视觉软件产品线：公司持续对软件功能和算法进行升级迭代。过往项目应用中，
随着市场检测标准逐渐增高，单一的2D应用已难以满足应用需求，需多维度的检测
方案，逐步拓展应用3D检测和深度学习检测，覆盖更多应用场景，有效提升检出率
。同时，公司还对智能软件平台Smart3和视觉算法库SciVision产品进行了升级，
持续优化算法效率和资源占有率，强化算法抗干扰能力，增强了标定、3D测量、外
观检测、通讯等工具的功能和易用性。
③镜头产品线：公司持续完善镜头产品线及其应用范围，各个成像镜头产品类型由
中大视野拓展到中小视野的高精度检测应用。在定焦镜头产品方面推出微距定焦镜
头，在远心和线扫镜头产品方面推出高倍率大靶面远心镜头和线扫镜头，在显微镜
方面研发出高倍率工业显微镜。
④2D相机产品线：对于只需要获取二维信息的检测系统，2D相机能更容易实现高精
度、高速度的检测，同时成本更低。公司顺应行业应用要求，结合成像质量、光谱
响应范围、功耗、产品结构尺寸、散热以及成本等方面迭代升级产品。推出更多同
时满足高分辨率和高帧率要求的新型产品；同时细化行业应用，完善相机分辨率覆
盖超小分辨率到超高分辨率产品线。
⑤3D产品线：3D视觉作为机器视觉的重要组成，可以真实还原出物体的三维信息，
更好地满足对于高精度定位、抓娶检测等场景的需求，填补2D视觉的应用空白。公
司线扫3D产品不断改进硬件技术，优化光路设计，持续推出精度更高、速度更快的
产品，专注满足3C电子、锂电、汽车、半导体、光伏等行业视觉应用。结构光3D产
品在3D图像处理技术上取得重大成效，解决边缘不清晰、环境干扰等技术难点，在
器件装配、物流运输行业取得重大突破。未来，3D视觉技术将持续创新，助力实现
更智能、高效的市场应用。
⑥智能读码器产品线：中国制造业正在从制造大国向制造强国转变，这一过程中，
智能设备和自动化技术扮演着关键角色。智能读码器作为其中的重要组成部分，在
制造业的数字化和智能化升级中发挥重要作用，随着中国制造业的快速发展，智能
读码器的市场需求预计将持续攀升，行业发展态势良好。公司在智能读码器产品线
研发不断取得突破：
a.AI成像和解码技术：传统的读码器通常依赖于较为基础的图像处理算法，这些算
法在处理复杂或低质量的条码时可能会遇到困难，导致识别速度和准确率受限。AI
芯片可以处理和优化读取到的图像，使其更清晰、更易于识别。公司推出内置AI芯
片的读码器产品，利用先进的深度学习算法和图像预处理技术，能够更快地处理复
杂图像，即使在条码损坏、模糊或光照条件不佳的情况下也能实现高速、高精度的
识别。不仅提高对复杂场景下条码的解码能力，还能够根据不同的应用场景自动调
整识别参数，提高识别的准确性和效率。
b.液态镜头技术：液态镜头技术是一种创新的成像技术，它利用液态材料（如油或
水）的物理特性来实现镜头的焦距调节。这种技术在智能读码器中的应用显著提高
了读码效率和适应性。传统机械对焦镜头依赖于机械部件（如马达和齿轮）来移动
镜片，改变焦距，实现聚焦。由于机械移动部件的限制，对焦速度较慢，特别是在
连续对焦或快速变焦的场景中，且长期使用中机械磨损可能导致对焦不准确。液态
镜头通过改变内部液体的形状或压力来调节焦距，能够实现快速自动对焦，适合于
需要快速响应的应用场景，如高速生产线上的条码读取，且具有较大的焦距调节范
围，能够适应不同的工作距离和拍摄需求，对环境变化的适应性更强。公司推出液
态镜头智能读码器产品，进一步拓宽应用场景的需求。
⑦智能相机产品线：公司全新推出多功能一体化SC系列智能相机，体积小，性价比
高，有效适配了安装空间孝行业专用化等应用场景。采用图形化编程设计，操作简
单、易用；不仅有上百种视觉检测算法加持，还支持深度学习功能，能轻松应对计
数、定位、测量、识别及缺陷检测等各类复杂应用场景。
⑧传感器产品线：公司积极进行技术创新，在传感器的数字化、网络化、智能化、
小型化和高精度方面，取得了多个技术突破，为客户提供更加稳定更加智能的传感
器产品。
（2）高效智能AI软件全新升级
公司发布了全新升级的智能AI软件DeepVison3（DV）并推出cloud版本的AI平台。D
V软件突破了传统AI项目实施周期长、门槛高、成本高及通用性差等局限性，在高
效、柔性及易用性三个维度实现了关键技术创新：
高效维度：DeepVision3基于小样本学习，通过图像扩增、算法增强等方式，降低
图像依赖程度，数据量可减少90%；通过增量训练功能，使得训练周期缩短到30分
钟；同时还通过模型轻量化，在保证了精准度的前提下，使分类和检测任务提速20
倍以上；
柔性维度：DV3开发了针对3C、锂电池的通用检测模型，相近工艺可实现一键换型
，高度契合工厂模式，支持多人协作、多工序分析等功能。不仅于此，DeepVision
3囊括了8大任务类型、15大核心功能，标注、分割更智能高效，操作简单；
易用维度：DeepVision3囊括了语义分割、字符识别、目标检测、图像分类等多种
任务类型，无需编程，高度易用，极大降低了软件的学习成本。此外，DeepVision
3还支持多标签复用、标注质量把控等功能。在模型训练过程中，提供超参设置提
示、过程可视化、评估结果溯源等工具，还能一键部署到Smart3软件。
公司推出了云版基于深度学习的视觉平台，该平台是DeepVision3软件核心功能在
云端的一次全面升级与革新。平台不仅继承了DeepVision3在高效性上的卓越表现
，如基于小样本学习的快速训练、模型轻量化带来的性能飞跃，还进一步拓展了其
在柔性和易用性方面的边界。通过云端的数据与模型共享机制，用户可以轻松实现
跨团队、跨地域的协作，共同推动AI项目的快速进展。同时，平台支持的多人标注
协同功能，不仅提高了数据标注的效率和准确性，还促进了团队之间的知识共享与
经验传承。此外，强大的多任务管理能力，使得用户能够灵活应对智能制造中的复
杂需求，实现资源的优化配置与高效利用。
更为重要的是，云版深度学习平台与Smart3软件的深度集成，进一步降低AI技术的
使用门槛。基于平台，能更便捷地实现一键部署模型、一键上传并分析缺陷图像、
以及模型的增量训练与优化等功能，极大地简化AI技术在智能制造中的应用流程、
降低技术门槛，还缩短了项目周期，使得企业能够更高效地生产制造，提升行业竞
争力。同时，平台提供的可视化工具、超参设置提示以及评估结果溯源等功能，为
用户提供了全面的模型性能监控与优化手段，确保了AI解决方案的持续优化与升级
。云版深度学习平台以其强大的功能、灵活的协作模式以及便捷的集成体验，为智
能制造领域注入了新的活力，推动了行业的智能化进程。
2.报告期内获得的研发成果
报告期内，公司新增发明专利20项、实用新型专利42项、外观设计专利2项；截止
报告期末，公司累计获发明专利117项、实用新型专利454项、外观设计专利33项，
软件著作权116项，其他2项。
3.研发投入情况表
研发投入总额较上年发生重大变化的原因
研发费用同比增长5.28%，主要系报告期公司为保持技术领先、客户满意度，研发
人员薪酬增加。
4.在研项目情况
5.研发人员情况
6.其他说明
二、经营情况的讨论与分析
受全球范围内消费需求不振，下游客户资本开支羸弱的影响，公司在2024年上半年
的经营仍高度承压。2024年上半年，公司实现营业收入52,229.69万元，同比下降1
5.65%，净利润11,335.49万元，同比下降34.73%。3C、锂电行业收入分别为35,416
.31万元、11,172.63万元，同比分别下降8.45%和37.37%。
尽管在营收方面面临诸多挑战，公司依然坚持不懈地推动未来发展基础的建设与投
入，并在上半年取得了一定的进展。
1、公司视觉产品矩阵基本成型，产品自产率进一步提高
截至目前，公司已完成机器视觉核心软硬件的全产品线布局，除视觉算法库、智能
视觉平台、深度学习(工业AI)、光源、光源控制器、工业镜头、工业相机等传统视
觉部件产品，公司同时拓展了智能读码器、3D传感器、一键测量传感器等视觉传感
器产品。
同时，经过长时间的市场验证，客户对我司自产的相机等高价值产品的认可度持续
提升，相关产品的自产率在上半年出现显著提升。
2、深度学习(工业AI)产品
公司推出了云版基于深度学习的视觉平台，该平台是公司深度学习软件平台DeepVi
sion3核心功能在云端的一次全面升级与革新。同时，云版深度学习平台与公司智
能软件平台Smart3软件的深度集成，进一步降低了AI技术的使用门槛。
3、持续拓展和完善海外布局
为配合下游客户的出海战略，公司在上半年加大了对海外市场的投入，设立了越南
公司，加大印度办事处的资源投入，以支持当地业务市场的发展。目前，我司在海
外市场的员工数量已达107名，为当地客户提供了必要的技术研发与市场支持。
虽然上述努力，未能取得立竿见影的效果，但是我们仍视为必要的投入。
踏入2024年下半年，我们将继续在复杂多变的宏观经济环境下砥砺前行。鉴于整体
情况，预计下游主要客户的调整与恢复以及各条业务线的推进仍需时间与能量的积
累，下半年的经营仍将面临挑战。但我们会不断夯实自身基础，保持灵活应变的能
力，以应对未来的挑战：继续完善产品矩阵，提高自产比例，发挥产品线间的协同
效益；持续推动产品和方案的标准化，提升人效水平；积极推进与其他下游行业和
客户的合作，寻找新的增长点。
三、风险因素
（一）核心竞争力风险
1.技术被赶超或替代的风险
公司所处的机器视觉行业属于技术密集型行业，涉及视觉传感器技术、光源照明技
术、光学成像技术、数字图像处理技术、模拟与数字视频技术、计算机软硬件技术
和自动控制技术等多种科学技术及工程领域学科知识的综合应用。在未来提升研发
技术能力的竞争中，如果公司不能准确把握行业技术的发展趋势，在技术开发方向
决策上发生失误；或研发项目未能顺利推进，未能及时将新技术运用于产品开发和
升级，出现技术被赶超或替代的情况，公司将无法持续保持产品的竞争力，从而对
公司的经营产生重大不利影响。
2.核心技术泄密风险
经过多年的积累，公司自主研发了一系列核心技术，这些核心技术是公司的核心竞
争力和核心机密。如果未来关键技术人员流失或在生产经营过程中相关技术、数据
、图纸、保密信息泄露进而导致核心技术泄露，将会在一定程度上影响公司的技术
研发创新能力和市场竞争力，对公司的生产经营和发展产生不利影响。
3.关键技术人才流失风险
公司所处的行业中，关键技术人才的培养和维护是竞争优势的主要来源之一。行业
技术人才需要长期积累下游行业的应用实践，以加深对工业自动化、底层核心算法
和软硬件结合技术的理解，才能提升产品研发和技术创新能力。同时引进物理学、
光学、深度学习、大数据、人工智能技术等领域的研发人才，有助于行业的技术发
展和演进。行业内该等经验丰富的复合型人才相对稀缺。随着行业的变化，对行业
技术人才的争夺将日趋激烈。若公司未来不能在薪酬、待遇、工作环境等方面持续
提供有效的奖励机制，将缺乏对技术人才的吸引力，同时现有核心技术人员也可能
流失，这将对公司的生产经营造成重大不利影响。
（二）经营风险
1.管理风险
公司自成立以来经营规模不断扩大，资产和业务规模在原有基础上有较大的提升，
公司人员规模进一步扩大，这对公司在战略规划、组织机构、内部控制、运营管理
、财务管理等方面提出更高的要求。如果公司不能适应公司的资产和业务规模的扩
大，公司管理层不能持续有效地提升管理能力、优化管理体系，将对公司未来的经
营和持续盈利能力造成不利影响。
2.产品价格下行及毛利率下降的风险
机器视觉行业是近十几年间随着工业的发展而逐步兴起的行业。采用机器视觉技术
的下游行业多为发展较快、对自动化水平和产品品质要求较高的行业。随着行业的
快速发展，越来越多的企业加入，机器视觉市场竞争日益加剧，整个产业也将逐渐
进入成熟期。一般而言，随着产业从成长期逐渐进入成熟期，市场竞争加剧，将导
致产品价格逐渐降低。
公司目前毛利率处于较高水平，若未来受行业内更多企业加入导致市场竞争加剧、
境外品牌降价竞争、原材料价格及人工成本持续上涨等因素影响，未来公司产品毛
利率存在下降的风险。
3.市场竞争加剧的风险
随着智能制造和工业4.0的进程的推进，我国机器视觉行业得到了快速发展。随着
本行业以及下游行业持续发展，市场规模的不断扩大，本行业将吸引更多的竞争者
进入，市场竞争将日趋激烈。一方面，现有企业扩大生产规模，加强研发和技术投
入；另一方面，其他行业的公司凭借资本实力跨行业发展。若公司未来不能持续维
持竞争优势，提高自身竞争力，在更加激烈的市场竞争中，公司将面临市场份额下
降的风险。
4.新产品的研发及市场推广的风险
公司已形成了机器视觉领域完整的产品线，并逐步建立工业传感器产品线，同时拟
用并购的方式，扩充运动产品线。但为应对竞争与需求变化，公司还需要持续的研
发投入。公司目前有多个新产品处于规划或者研发阶段，并在各下游行业规划研发
机器视觉应用方案。一方面，上述在研项目距离实现批量生产和销售还有一定时间
，且存在研发失败的风险。另一方面在研项目可能在未来商业化中会面临激烈竞争
，出现商业价值低或不及预期的风险，同时，新产品或新方案在客户方面形成一定
的偏好及忠诚度均需要一定的时间。因此，公司存在新产品研发失败和市场推广不
利的风险，进而对公司未来的业绩增长和盈利提升产生负面影响。
（三）财务风险
1.应收账款回收风险
报告期末公司应收账款账面价值为81,211.59万元，占当期总资产的比例为25.33%
，应收账款占总资产的比例较高。如果宏观经济形势、行业发展前景发生重大不利
变化或个别客户经营状况发生困难，则公司存在因应收账款难以收回而发生坏账的
风险。如若客户信用风险集中发生，则公司将面临营业利润大幅下滑的风险。
2.存货跌价风险
报告期末公司存货账面价值为14,523.42万元，占当期总资产的比例为4.53%。若未
来市场环境发生变化或竞争加剧导致产品滞销、存货积压等情况，将造成公司存货
跌价损失增加，对公司的盈利能力产生不利影响。
（四）行业风险
公司主要客户群体集中在3C电子、锂电等行业，由于3C电子、锂电等行业的市场需
求受宏观经济及政策等多方面因素的影响，具备较为明显的周期性。若未来出现宏
观经济下滑、扶持政策力度下降等不利因素，同时如果公司不能进一步拓展其他应
用行业的业务，可能出现收入及利润增速放缓甚至下滑的风险。
（五）宏观环境风险
随着全球经济周期的变化，经济增长速度放缓可能会导致市场需求疲软，直接影响
制造业的生产和投资。若未来国家宏观经济环境发生重大变化、经济增长速度放缓
或下游行业需求出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计
划，或因供应链短缺等原因在自动化业务方面的资本支出放缓，且公司未能及时对
行业需求进行合理预期并调整公司的经营策略，可能对公司业务发展造成不利影响
。
四、报告期内核心竞争力分析
(一)核心竞争力分析
公司作为机器视觉领域的先行者和领跑者，拥有丰富的软硬件技术和产品经验。公
司始终坚持对机器视觉及其底层核心技术进行创新和优化，以满足不同行业和应用
场景的需求。凭借对市场动态的敏锐洞察、对行业的深刻理解，以及多年积累的定
制化和高效的解决方案，我们与众多优质客户建立了长期稳定的合作关系，赢得了
广泛的荣誉和认可。公司具备明显的竞争优势，具体如下：
1.自主研发能力与核心技术积累优势
公司自成立以来一直重视自主创新，不断提高公司技术、产品的核心竞争力。近3
年及报告期内公司研发投入分别为13,710.57万元、19,102.18万元、20,224.50万
元、10,996.24万元，占营业收入的比例分别为15.67%、16.74%、21.43%、21.05%
。持续的研发投入为公司在机器视觉领域积累了一批创新性强、实用度高的拥有自
主知识产权的核心技术。截至报告期末，公司累计获发明专利117项、实用新型专
利454项、外观设计专利33项，软件著作权116项，其他2项。上述专利和软件著作
权涵盖了公司产品的各个关键技术领域，体现了公司在技术研发及设计环节的核心
竞争力。公司近几年被评为“国家级制造业单项冠军企业”“国家知识产权示范企
业”，获批“国家博士后科研工作站”“广东省博士工作站”“广东省奥普特机器
视觉工程技术研究中心”“广东省重点实验室”“东莞市机器视觉重点实验室”等
创新研发平台，获得了“广东省科技进步二等奖”“广东省机械工业科学技术奖一
等奖”“广东省机械工程学会科学技术一等奖”“广东省制造业单项冠军产品”等
省级奖项，并入选了广东省产教融合型企业。
公司长期致力于机器视觉领域硬件和软件的技术研究、产品开发及应用拓展，在成
像和图像处理分析两大技术领域，积累了一定的核心技术，具备从研究成果向工程
应用快速转化的技术能力体系，包括技术顶层设计能力、产品规划设计能力、各产
品线的基础技术和底层算法、产品创新优化能力等，大量机器视觉应用案例，不断
从应用侧传递需求信息，对下一代产品的研发设计以及当前产品的快速持续优化形
成了强有力的支撑。同时，公司基于光学技术的领先优势，在原有图像传感器的技
术积累上，逐步延伸工业传感器技术。公司依托强大的研发团队及自研能力，将持
续保持产品的高速迭代，牢牢把握市场需求方向。
2.团队优势
公司一直以来始终重视人才队伍的培养和建设，不断引进高端人才，形成不断扩大
的优秀研发团队与深厚的人才储备。截止2024年6月30日，公司研发人员857人，占
公司总人数的30.91%。公司研发团队的专业覆盖面广，包括光学、工业设计、计算
机等专业，充分满足了本行业技术研发的需要。公司董事长卢盛林先生在华南理工
大学获得博士学位，多年来一直专注于机器视觉技术研究及产品开发。公司的经营
管理团队多年来专注于机器视觉领域的研究开发、生产、销售与财务等工作，精通
技术，熟悉市场，自公司成立以来一直保持稳定状态。公司大客户团队，与行业大
客户密切配合，对保持客户黏性及技术延续性发挥了重要作用。稳定、优秀的团队
为公司的核心竞争力奠定了良好的基矗
3.自主产品在各产品线布局的优势
经过十多年的沉淀，公司已经形成了较为完备的机器视觉核心软硬件的产品体系，
并逐步建立工业传感器产品体系。奥普特拥有完整的机器视觉核心软硬件产品，自
主产品线已全面覆盖视觉算法库、智能视觉平台、深度学习（工业AI）、光源、光
源控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量传感器、工业
传感器产品。公司已经完成的自主产品的布局，为公司在日后的竞争和发展中，提
供了显著的竞争优势。
4.行业应用经验和数据积累优势
机器视觉的下游应用非常广泛，几乎涉及国民经济的方方面面。即使在某一具体领
域的应用，也会因下游的生产工艺、被摄对象的具体材质特点等不同，而有较大差
别。因此，完善的机器视觉解决方案对下游客户而言至关重要。而设计有效的机器
视觉解决方案，需要大量的行业应用经验积累，绝非一朝一夕所能形成。公司在机
器视觉领域深耕多年，特别是在3C电子、锂电等行业，公司与国内外知名设备厂商
和终端用户保持着长期稳定的合作，拥有丰富的机器视觉产品的设计、应用案例库
。深厚的案例积累，奠定了公司在相关领域的优势地位，形成了较高的技术壁垒，
能有效保障公司在行业内的竞争优势，并为公司不断扩大产品应用范围、持续提升
市场份额提供了有力支撑。此外，深度学习（工业AI）将深刻改变机器视觉行业的
技术发展，而行业数据是深度学习技术的基矗深度学习需要通过大量数据对人工智
能模型进行训练，不断对模型进行调校和优化，最终使机器能够像人类一样自动作
出判断并达到满足实际应用要求的准确率。公司经过多年的专业化经营，在3C电子
、锂电等行业积累了大量的数据，有助于公司迅速对模型进行调校和优化，提高模
型输出结果的准确率和响应速度，在机器视觉的深度学习技术领域抢占发展的高地
。
公司通过大量行业方案积累，逐步开始建立分行业方案、产品、交付的标准化。目
前公司机器视觉解决方案广泛应用于3C电子、锂电、汽车、半导体、光伏、食品、
医药、烟草、物流等多个行业。
5.客户资源与品牌优势
公司依托多年深度积累的解决方案能力及优秀的产品品质、大规模的交付能力、及
时有效的服务模式，将产品成功应用于全球知名企业和行业龙头企业的生产线中，
获得客户的高度认可。公司基于与知名客户长期稳固的合作关系，在保持原有产品
和领域良好合作的同时，不断在新产品、新项目上开展合作。同时，公司与知名客
户合作提高了企业品牌知名度，也可借此赢得其他潜在优质客户的认可从而获取更
多订单。
6.快速响应优势
公司一直将快速响应作为提升服务效率、创造客户价值的关键因素。依靠多年积累
的丰富的研发、制造经验、扁平化的管理体系、完善的质量控制体系，在识别客户
需求、制定解决方案、组织生产、提供技术服务等方面均形成较为明显的快速响应
优势。对于常规的视觉项目，公司提出的快速服务时效标准为在客户提出需求之后
4个小时提出机器视觉硬件方案、2个工作日内提出机器视觉整体方案、获取客户提
供的工件后1个工作日内完成测试、7-10个工作日内完成产品交货。能对下游客户
严苛的供货需求进行快速回应、快速解决和快速反馈，高标准满足客户的需求，进
一步强化了公司与客户之间长期稳定的业务合作关系。
【4.参股控股企业经营状况】
【截止日期】2024-06-30
┌─────────────┬───────┬──────┬──────┐
｜企业名称 ｜注册资本(万元)｜净利润(万元)｜总资产(万元)｜
├─────────────┼───────┼──────┼──────┤
｜株式会社OPT ｜ -｜ -｜ -｜
｜惠州市奥普特自动化技术有限｜ 7100.00｜ -42.28｜ 2519.68｜
｜公司 ｜ ｜ ｜ ｜
｜宁德奥普特视觉科技有限公司｜ 500.00｜ -｜ -｜
｜奥普特视觉科技(苏州)有限公｜ 15000.00｜ -625.23｜ 49142.87｜
｜司 ｜ ｜ ｜ ｜
｜奥普特视觉科技(常州)有限公｜ 100.00｜ -｜ -｜
｜司 ｜ ｜ ｜ ｜
｜东莞市迈未来光电科技有限公｜ 1000.00｜ 1.54｜ 120.88｜
｜司 ｜ ｜ ｜ ｜
｜东莞市赛视软件有限公司 ｜ 200.00｜ -45.93｜ 23.87｜
｜OPT Vision Limited ｜ 516.61｜ -778.59｜ 5634.77｜
｜OPT VIET NAM COMPANY LIMIT｜ -｜ -｜ -｜
｜ED ｜ ｜ ｜ ｜
｜OPT Malaysia Sdn.Bhd ｜ -｜ -｜ -｜
｜OPT Machine Vision GmbH ｜ -｜ -｜ -｜
└─────────────┴───────┴──────┴──────┘
免责声明：本信息由本站提供，仅供参考，本站力求
但不保证数据的完全准确，如有错漏请以中国证监会指定上市公司信息披露媒体为
准，本站不对因该资料全部或部分内容而引致的盈亏承担任何责任。
用户个人对服务的使用承担风险。本站对此不作任何类型的担保。本站不担保服
务一定能满足用户的要求，也不担保服务不会受中断，对服务的及时性，安全性，出
错发生都不作担保。本站对在本站上得到的任何信息服务或交易进程不作担保。
本站提供的包括本站理财的所有文章，数据，不构成任何的投资建议，用户查看
或依据这些内容所进行的任何行为造成的风险和结果都自行负责，与本站无关。
