经营分析☆ ◇688686 奥普特 更新日期：2024-11-16◇ 通达信沪深京F10
★本栏包括【1.主营业务】【2.主营构成分析】【3.前5名客户营业收入表】【4.前5名供应商采购表】
【5.经营情况评述】
【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】
截止日期:2023-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
机器视觉(行业) 9.42亿 99.80 6.06亿 99.90 64.29
其他业务(行业) 184.79万 0.20 60.99万 0.10 33.01
─────────────────────────────────────────────────
机器视觉核心部件(产品) 8.09亿 85.72 5.31亿 87.66 65.69
机器视觉配件(产品) 1.33亿 14.09 7416.66万 12.23 55.77
其他业务(产品) 184.79万 0.20 60.99万 0.10 33.01
─────────────────────────────────────────────────
境内销售(地区) 8.73亿 92.53 5.54亿 91.35 63.41
境外销售(地区) 6869.74万 7.28 5180.18万 8.55 75.41
其他业务(地区) 184.79万 0.20 60.99万 0.10 33.01
─────────────────────────────────────────────────
截止日期:2022-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
机器视觉(行业) 11.41亿 99.99 7.55亿 99.98 66.20
─────────────────────────────────────────────────
机器视觉核心部件(产品) 9.63亿 84.44 6.48亿 85.79 67.26
机器视觉配件(产品) 1.77亿 15.55 1.07亿 14.19 60.39
─────────────────────────────────────────────────
境内销售(地区) 10.83亿 94.94 7.16亿 94.79 66.09
境外销售(地区) 5755.41万 5.04 3921.64万 5.19 68.14
─────────────────────────────────────────────────
截止日期:2022-06-30
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
境内销售(地区) 5.70亿 94.77 3.88亿 94.91 68.09
境外销售(地区) 3135.37万 5.22 2074.80万 5.08 66.17
─────────────────────────────────────────────────
截止日期:2021-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
机器视觉(行业) 8.75亿 99.98 5.82亿 99.98 66.50
─────────────────────────────────────────────────
光源(产品) 3.04亿 34.71 2.23亿 38.30 73.38
相机(产品) 1.44亿 16.50 7931.68万 13.63 54.95
配件(产品) 1.28亿 14.64 7760.21万 13.33 60.60
镜头(产品) 1.27亿 14.46 8354.92万 14.36 66.04
视觉控制系统(产品) 9159.17万 10.47 6546.99万 11.25 71.48
光源控制器(产品) 8068.09万 9.22 5302.88万 9.11 65.73
─────────────────────────────────────────────────
境内销售(地区) 7.95亿 90.89 5.28亿 90.71 66.38
境外销售(地区) 7961.78万 9.10 5390.46万 9.26 67.70
─────────────────────────────────────────────────
【3.前5名客户营业收入表】
截止日期:2023-12-31
前5大客户共销售2.86亿元，占营业收入的30.34%
┌───────────────────────┬───────────┬───────────┐
│客户名称 │ 营收额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│客户一 │ 12076.37│ 12.82│
│客户二 │ 4936.78│ 5.24│
│客户三 │ 4762.95│ 5.06│
│客户四 │ 3428.49│ 3.64│
│客户五 │ 3374.10│ 3.58│
│合计 │ 28578.69│ 30.34│
└───────────────────────┴───────────┴───────────┘
【4.前5名供应商采购表】
截止日期:2023-12-31
前5大供应商共采购0.86亿元，占总采购额的28.91%
┌───────────────────────┬───────────┬───────────┐
│供应商名称 │ 采购额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│供应商一 │ 4800.21│ 16.07│
│供应商二 │ 1382.47│ 4.63│
│供应商三 │ 862.92│ 2.89│
│供应商四 │ 800.31│ 2.68│
│供应商五 │ 789.63│ 2.64│
│合计 │ 8635.54│ 28.91│
└───────────────────────┴───────────┴───────────┘
【5.经营情况评述】
截止日期:2024-06-30
●发展回顾:
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场。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
大小、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3C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础。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3CAOI（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、SAM
2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SAM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AnomalyG
PT、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，比如条形码的读取、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OptimusGen2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
|
