读取中,请稍候

00-00 00:00:00
--.--
0.00 (0.000%)
昨收盘:0.000今开盘:0.000最高价:0.000最低价:0.000
成交额:0成交量:0买入价:0.000卖出价:0.000
市盈率:0.000收益率:0.00052周最高:0.00052周最低:0.000
欧普泰:投资者关系活动记录表 下载公告
公告日期:2024-01-11

证券代码:836414证券简称:欧普泰公告编号:2024-003

上海欧普泰科技创业股份有限公司

投资者关系活动记录表

一、投资者关系活动类别?特定对象调研

□业绩说明会

□媒体采访

□现场参观

□新闻发布会

□分析师会议

□路演活动

□其他

二、投资者关系活动情况活动时间:2024年1月10日活动地点:线上调研参会单位及人员:开源证券、博时基金、华夏基金、易方达基金、光大保德信基金、工银国际、华夏理财、平安养老、东方证券、华西证券、广发证券、渤海证券、浙商证券、第一创业证券、中泰证券、东方财富证券、国元证券、野村

东方国际证券、华鑫证券、中天国富证券、齐家(上海)资产管理有限公司、誉辉资本管理(北京)有限责任公司、上海骐邦投资管理有限公司、鸿运私募基金管理(海南)有限公司、深圳市四海圆通投资有限公司、浙江朝景投资管理有限公司、上海益和源资产管理有限公司、郑州市鑫宇投资管理有限公司、上海冰河资产管理有限公司、深圳市尚诚资产管理有限责任公司、北京青创伯乐投资有限公司、乾惕投资、混沌投资、伟晟投资、深圳市榕树投资管理有限公司、深圳中天汇富基金管理有限公司、相聚资本、五地投资管理有限公司上市公司接待人员:董事长王振先生、董事会秘书顾晓红女士、财务总监戴剑兰女士、AI事业部总经理詹科先生、电站事业部负责人赵俊先生

三、投资者关系活动主要内容问题

:公司2023年的整体情况?2024年的业务口的大概展望?答:

2023年前三季度实现营收

1.34亿,净利润2,903万元,与2022年全年度营收数据基本持平,整体来看,2023年全年度营收保持稳定的增速,具体数据请关注公司后续披露的定期报告。2024年度公司在深耕光伏组件端检测业务的同时,将积极拓展光伏电站端无人机AI检测业务,力争打造营收增长的第二曲线。

问题

:光伏电站端检测的市场需求痛点?答:目前从公司在需求端了解的情况来看,主要分为三个层面:从电站业主来看,当前市面上常见的EL检测大多通过便携式EL人工检测,这种检测方式效率低且无法满足渔光、山地、BIPV、海上等特殊场景的检测,所以目前用户都只进行EL抽检,在得到EL检测图片后进行人工检测也存在准确率低、漏检等情况,而且不能针对缺陷图片信息出现定位消缺,对组件的实际健康状态不能准确评估,存在盲目运维的情形。从保险公估公司第三方的需求来看,目前根据光伏电站保险端的统计,2023年度发生了上百场火灾事故,在光伏电站保险交

易端的检测需求主要体现在提前发现短路、热斑等容易引起火灾的缺陷,减少理赔率。同时针对将光伏电站作为金融资产的配置端来看,在前期投资交易时,针对投资或交易前的技术尽调,需要通过针对光伏电站的健康度进行检测,降低投资风险。

目前欧普泰提供的无人机EL检测和云服务能够实现EL全检、AI算法定位、缺陷AI分析、接入逆变器数据实现定位导航消缺功能,能够针对EL隐裂等多种缺陷检测情况一键生成报告,对光伏电站健康度进行预警和管理,并且全项检测服务经过了CNAS的认证。同时欧普泰提供的由AI云根据组件健康度推行的精准运维方案,能够提高运维效率,降低运维成本,在确保电站安全的同时提高发电收益。

问题3:不同场景的检测难度有较大差异吗?目前公司的方案可以做到各类型的光伏电站场景全覆盖吗?在哪些场景上优势最大,哪些场景相对于其他方案优势不显著?各类型电站的费用、模式有差异吗?

答:针对检测业务而言,红外的检测难度都一样没有太大差异,EL的场景主要受限于组串的通电难易程度,目前可以做到全覆盖。对于越复杂的场景、人工拍摄无法完成的场景、越大的容量,欧普泰提供的EL无人机检测和AI云服务优势也越大,具体的收费差异还是在于检测场景的难易程度。

问题4:能否介绍下公司AI模型训练的优势和积累过程?光伏电站检测的学习中有哪些典型的cornercase?公司如何解决?

答:AI模型是从2017年开始研发,于2019年在光伏组件工厂落地,技术落地到目前已有4年时间,这期间积累了大量的AI模型落地经验,加上公司在光伏制造端有大量的检测设备,收集了大量的缺陷数据和图片,这些经验和数据为光伏电站的AI模型的迅速建立提供了帮助。从我们经历过的光伏电站检测学习案列中,我们发现电站EL的无人机的GPS位置信息存在一定的偏差,这种偏差可以通过人工的方式进行纠正,但是采取人工的方式效率太低,大大影响了AI检测效率,为此,我们组织技术攻关,通过AI技术最终解决了这个问题,实

现了EL的组件级自动定位,大大提升了检测效率。问题5:客户一般如何衡量检测的质量和准确度?如果有漏检、误检的情况会有较大影响吗?

答:在工厂制造端,行业的客户一般都会通过AI模型在产线上的实际漏判率和误判率来衡量检测的质量和准确度。正常在在合同签订时,客户会对漏判率和误判率提出技术要求,会并允许存在一定的漏检和误检的情况,在实际的生产应用过程中,AI模型的漏判率误判率远远优于人工的漏判率和误判率,因此,即使有一定的漏检误检,只要控制在合理范围内,也不会对实际的生产产生较大影响。

在光伏电站端,质量主要是看图片的清晰度和识别的准确率,另一个看定位的精准率。如有漏检、误检影响可大可小。看具体缺陷情况,影响会相对组件端更小。

问题6:目前AI技术发展很快,比如不断有新的模型、工具涌现,公司如何实现不断将前沿的AI技术应用在现有业务中?有什么团队布局?

答:AI技术发展较快,确实不断涌现了许多新技术,针对这些新技术,公司一直在持续关注和了解,并且会结合公司的业务实际,会对这些新技术调研测试,测试成功后,也会将新技术应用到公司实际业务场景中,事实上,确实有新技术也成功应用到我们公司目前的产品中,提升了产品性能。前沿AI的使用和研发一直是我们公司重要的一部分,这也保证了我们公司在光伏检测行业的领先地位。在AI团队建设这块,我们会根据公司的发展进行调整,去年我们从外部招聘了不少AI人员,同时,也从内部培养了不少AI人员,便于公司AI业务在客户端的落地实施。

上海欧普泰科技创业股份有限公司

董事会2024年


  附件:公告原文
返回页顶