GIC,Columbia Threadneedle Investments-US,Point 72 Asset Management,摩根士丹利,西南证券,Nordea Investment Management,WT Capital,AI-Squared Management,China Alpha Fund Management,Australiansuper,Boyu Capital,建峖投资

问题1:与国外的竞争者相比,公司存在哪些优势和劣势?

回答:对比国外机器视觉厂商,公司的优势主要表现在非标定制化的能力、自主研发能力与核心技术的积累、完善的自主产品线、成本优势、以及公司的快速响应能力;劣势主要是与国外行业巨头在行业渗透、产品通用性、品牌溢价等方面都还存在一定差距。

中国拥有全球成长性最大的机器视觉市场,实体经济高质量转型发展将带动机器视觉应用场景的拓展和渗透率提升。公司将利用自身优势,持续保持高研发投入,迭代产品和技术,牢牢把握国产替代机遇,巩固公司在机器视觉领域的优势。

问题2:3D机器视觉产品是否可以取代2D机器视觉?

回答:使用2D机器视觉技术可以获取二维图像,在三个自由度(x、y和旋转)上定位被摄目标,并基于灰度或者彩色图像中对比度的特征提供处理分析结果。3D机器视觉技术相对于2D技术提供了更丰富的被摄目标信息,可以在六个自由度(x、y、z、旋转、俯仰、横摆)上定位被摄目标,还原人眼视角的三维立体世界。3D机器视觉技术与2D机器视觉技术,两者在不同的使用场景下有各自的优势,并非完全取代的关系。

问题3:公司在提升内部管理水平方面的具体实践?

回答: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。

公司自上市以来,一直致力于打造和完善管理体系,尤其是通过数字化转型提升管理水平。公司全面启动了信息系统升级的数字化建设项目,对现有的ERP、OA等核心系统进行了业务流程优化和跨系统集成,初步构建了一个标准化、一体化、互联互通的数字化管理平台。该平台能够实现产供销业务的高效协作,提高订单交付效率,增强客户满意度。同时,该平台能够快速获取和挖掘相关业务数据,为公司管理者提供深入分析和决策支持。

问题4:公司主要的研发模式是什么样的?

回答:公司的研发主要包括基于机器视觉软硬件产品的研发和基于机器视觉解决方案的研发。对于机器视觉软硬件产品的研发,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、3D视觉技术、异构计算等技术的研究,为产品研究夯实了技术基础;另一方面,公司也贴近客户需求不断研发、改进既有产品,有效地满足客户需求、提升用户体验。

对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。

问题5:公司提供的解决方案对客户的价值体现在哪里?

回答:通过向客户提供解决方案,公司可以:

(1)为客户的研发项目提出机器视觉部分的具体实现路线,提升研发成功率。合理的技术路线,是研发成功的保证。机器视觉技术,作为智能制造设备的核心部分,其技术路线的合理性,直接影响到设备的研发成败。公司通过结合核心技术、Know-How知识库、产品特性、客户的需求等因素,向客户提供定制化的技术实现解决方案,并结合解决方案推荐合适的机器视觉部件,以提高视觉系统的性能、稳定性等,从而提升客户研发项目的成功率。

(2)在已有知识库的基础上,通过技术验证,有效缩短下游客户的研发周期。公司的产品覆盖了机器视觉多个部件,同时在多个行业积累了超过5万个应用案例。基于对自主产品的深入了解和大量历史数据的积累,公司可以在更短的时间内完成解决方案的设计。

此外,通过公司完善的实验条件,通过实验室进行方案的验证,可以对方案的有效性进行提前和高效的验证,从而有效缩短下游客户的研发周期,协助客户提升竞争力。

(3)降低客户研发和试错的成本

机器视觉作为设备中的重要模块之一,在一定程度上可以决定整个设备的功能和种类。而机器视觉模块的预计功能能否实现以及实现程度如何,往往需要通过大量的实验进行验证,试错成本较高。公司通过提供经过验证的解决方案,可以降低客户研发和试错的成本。

问题6:公司的深度学习技术布局及进展情况?

回答:深度学习(工业AI)相关技术的持续进步显著提升了机器视觉技术解决工业问题的能力,推动了机器视觉技术在更多行业的广泛应用。目前工业用的深度学习模型依然需要专业数据和领域知识积累,其着力解决的图像分析任务,仍旧需要以高成像技术积累的图像为前提。公司凭借在成像技术方面的领先优势,以及在各个下游行业积累的机器视觉专有技术(Know-How),与核心终端客户展开深入的前瞻性技术合作,提供软硬件一体化的解决方案。

今年以来,公司成立了专门的深度学习(工业AI)应用开发团队,并设立了专用实验室,全力支持核心大客户诸如外观缺陷检测等项目的开发。

12月初,公司发布了DeepVison3,兼具高效、柔性、易用特点。具体来看:

(1)在高效维度,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%,而深度图像生成速度提升3倍以上,训练周期可缩短到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;

(2)在柔性维度,DeepVision3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,DeepVision3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;

(3)在易用维度,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,DeepVision3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。