来源 :犀牛之星2024-01-11
欧普泰（836414）发布公告称，公司于1月10日接待了开源证券、博时基金、华夏基金等38家机构的调研。
调研的主要问题及公司回复概要
问题1：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2：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。