卡罗特港交所上市:市值49亿港元,章国栋夫妇为创二代 元生资本是基石投资者...

48934bbd9e159fdb6a4a0055ec3fa662.jpeg

雷递网 雷建平 10月2日

卡罗特有限公司(简称:“卡罗特”,股票代码为:“02549”)今日在港交所上市。

卡罗特发行价为5.78港元,发行129,864,500股,募资总额为7.5亿港元。

4e20275e9dc834dd02ca96b11c3337d6.jpeg

卡罗特引入2名基石投资者,分别为MPC VI、Genesis Capital(元生资本),两家分别认购2000万美元,共认购4000万美元(约3.13亿港元)。

卡罗特开盘价为9.5港元,较发行价上涨64%;截至目前,卡罗特市值约49亿港元。

卡罗特是2024年3月递交招股书,时隔不到半年就通过聆讯,获批速度相当快,整个完成上市只用了半年时间。

年营收15.83亿

159ba03d4064427100839c140790531e.jpeg

卡罗特是一家厨具品牌。自卡罗特于2016年推出「卡罗特(CAROTE)」品牌以来的八年里,卡罗特已在中国、美国、西欧、东南亚及日本等主要市场的在线厨具细分领域建立地位,已成为全球增长最快的厨具品牌之一。

招股书显示,卡罗特2021年、2022年、2023年营收分别为6.75亿元、7.69亿元、15.83亿元;毛利分别为1.27亿元、2.75亿元、5.65亿元。

卡罗特2021年、2022年、2023年运营利润分别为3270万元、1.24亿元、2.71亿元;年内利润分别为3170万元、1.09亿元、2.37亿元。

a586b69baa62078c7e4ff5ffd2f54201.jpeg

卡罗特2024年第一季度营收为5.03亿元,上年同期的营收为2.92亿元;毛利为2.09亿,上年同期的毛利为1.11亿元;经营利润为1.05亿元,上年同期为6330万;年内利润为8850万元,上年同期的年内利润为5590万元。

截至2024年3月31日,卡罗特持有的现金及现金等价物为2.64亿元。

章国栋夫妇获股利9860万

64b43be57c4b169df5dc4b9b7c2e982a.jpeg

卡罗特执行董事分别为章国栋、吕伊俐、夏宸颢;独立非执行董事分别为杨雪芬、陈天卫、樊开召。章国栋与吕伊俐为夫妻关系,均现年36岁。

5661932d6218b172a4867873531b50f0.jpeg

卡罗特发展历程始于2007年,当时吕伊俐女士和章国栋的父母(即李惠平女士(吕女士的母亲)及章之慧(章国栋的父亲))创立主要附属公司之一浙江卡罗特。

2011年以后,章国栋和吕伊俐接班,加入卡罗特,并将公司业务转向为专注于发展原始设计制造业务,为国际品牌所有者及零售商设计、开发及制造定制化厨具产品。

IPO前,Yili Investment持股98.6%,Yili Investment为章国栋夫妇全资控股企业,Denk Trade持股1%,Carote CM持股0.4%。

0b1dd371cfc88826a11281ca51c51f26.jpeg

卡罗特于2022年宣派股利5000万元,其后于2023年分派。于2024年3月4日,卡罗特已宣派股利1亿元。

以此计算,章国栋夫妇获股利9860万元。

———————————————

雷递由媒体人雷建平创办,若转载请写明来源。

71b93a1449865ea56848201836fee10b.jpeg

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值