AI kiểm tra đường hàn nhiệt bao bì: thiết bị và nghiệm thu

Triển khai AI kiểm tra đường hàn nhiệt cần bắt đầu bằng câu hỏi chất lượng: lỗi nào nhìn thấy trên ảnh, đặc tính nào phải thử bằng phương pháp khác, và túi đáng nghi sẽ được tách đi đâu? Bột hoặc sản phẩm kẹt ở mép hàn, nếp nhăn và bề rộng đường hàn thiếu có thể để lại dấu hiệu trên ảnh. Nhưng một đường hàn trông đẹp không chứng minh túi kín khí hay đủ độ bền. Bài viết này hướng dẫn xác định yêu cầu kiểm tra vùng hàn, thiết kế hình ảnh, phân loại, loại túi và FAT/SAT cho dây chuyền đóng gói tại Thái Lan. Việc chọn máy đóng túi nói chung đã có trong hướng dẫn chọn máy VFFS. Bài này tập trung vào kiểm tra và nghiệm thu vùng hàn sau khi tạo túi.

1. Tách lỗi bề ngoài của đường hàn khỏi tính năng bao bì

Ngoại quan, độ kín và lực mở là các yêu cầu khác nhau. Bột lọt vào đường hàn có thể làm dải hàn gián đoạn. Một kênh rò rất nhỏ vẫn có thể tồn tại khi màng trông như đã dính. Ngược lại, ánh phản xạ hoặc hoa văn in có thể giống lỗi mà không ảnh hưởng tới chức năng. Kết quả AI thị giác là bằng chứng trên hình ảnh, không phải chứng nhận bao bì đã kín hoàn toàn.

Kế hoạch kiểm tra nên có bốn phần: đặc tính quan sát bằng ảnh trên từng túi; đặc tính kiểm tra bằng phép thử rò rỉ hoặc độ bền phù hợp; thông số quá trình như nhiệt độ, lực ép và thời gian hàn; người có thẩm quyền giữ hoặc giải phóng lô. Phương pháp thử phụ thuộc sản phẩm, vật liệu và yêu cầu khách hàng. Không tự động áp dụng tiêu chuẩn của một loại bao bì cho loại khác. ISO 11607-1 liên quan bao bì của thiết bị y tế được tiệt trùng ở công đoạn cuối. ASTM F1929 là phương pháp thâm nhập thuốc nhuộm để phát hiện rò rỉ của bao bì y tế bằng vật liệu có lỗ xốp. ASTM F1886/F1886M đề cập kiểm tra trực quan bao bì sơ cấp; phần quan sát kênh lỗi ở đường hàn áp dụng khi ít nhất một mặt bao bì trong suốt và nhìn rõ vùng hàn, còn phần kiểm tra bề mặt vật liệu có phạm vi khác. ASTM F88/F88M đề cập độ bền đường hàn của vật liệu rào cản mềm. Chỉ ghi số hiệu vào RFP không tạo ra giới hạn đạt cho túi của nhà máy. QA phải kiểm tra phạm vi, phiên bản và hợp đồng áp dụng.

2. Lập sổ lỗi trước khi huấn luyện AI

Với từng vị trí hàn, ghi loại màng, sản phẩm, hình thái lỗi, nguyên nhân khả dĩ, mức nghiêm trọng đối với xuất hàng, cách phát hiện và cách xử lý. “Đường hàn hỏng” quá rộng để chọn mẫu hoặc thiết bị. Bảng sau chỉ là mẫu cấu trúc; giới hạn kích thước phải lấy từ thông số đã được nhà máy phê duyệt.

“Có thể nhìn thấy” không có nghĩa camera nào cũng thấy. Bột màu nhạt dưới màng trong, nếp nhăn trên màng mạ kim loại, hay mép gập chỉ nằm ở mặt sau có thể cần ánh sáng hoặc góc chụp khác. Ghi kích thước lỗi nhỏ nhất, vị trí, hướng túi, màu và biến thiên ngoại quan cho phép, kèm mẫu tốt, mẫu lỗi và mẫu ranh giới. Xây giới hạn từ lỗi thật và quan hệ với tính năng bao bì, không chép một giá trị trong bản trình diễn của nhà cung cấp.

Sổ lỗi cũng cần mô tả biến thiên của hàng tốt: thay đổi lô in, màng giãn, vẻ ngoài lúc khởi động gia nhiệt, nước sau vệ sinh. Nếu không, hệ thống sẽ loại nhiều túi tốt. QA quyết định ranh giới đạt/không đạt/cần xem lại; sản xuất và bảo trì kiểm chứng khả năng tái lập trên dây chuyền. Nhãn dữ liệu mơ hồ sẽ không trở nên rõ ràng chỉ nhờ huấn luyện mô hình.

3. Thiết kế ảnh theo chất kẹt và hình học đường hàn

Quyết định mặt nào của dải hàn phải quan sát, từ mấy góc và ở vị trí nào trên dây chuyền. Một camera phía trên có thể đủ cho một định dạng; định dạng khác cần thêm mặt sau hoặc cạnh. Nếu túi dao động, dẫn hướng để ổn định tư thế thường hiệu quả hơn việc làm mô hình phức tạp.

Ánh sáng truyền qua có thể làm rõ dị vật hoặc đoạn hàn gián đoạn ở màng trong, nhưng không phù hợp vật liệu đục. Ánh phản xạ xiên có thể bộc lộ nhăn và độ gồ nhưng cũng làm hoa văn in chói hơn. Ánh sáng tán xạ giảm phản quang nhưng có thể làm biến thiên chiều cao nhỏ khó thấy. Hãy đặt lỗi nguy hiểm nhất cạnh mẫu tốt dễ bị nhầm nhất dưới từng phương án ánh sáng, rồi chọn khả năng phân biệt, không chỉ chọn ảnh sáng đẹp.

Nếu họa tiết in che khuất sự khác màu trong ảnh 2D, đo chiều cao có thể là lựa chọn. KEYENCE công bố ví dụ cảm biến laser 3D dùng phân bố độ cao bề mặt để phát hiện dị vật trong vùng hàn. Đó là một ví dụ ứng dụng, không phải yêu cầu chung. So sánh với phương án 2D tối ưu trên màng thực, ở tốc độ, khoảng cách lắp đặt và chi phí thực. Hãng cũng nêu ví dụ nhìn chiều rộng đường hàn trong ứng dụng liên quan y tế; ví dụ ấy không đặt giới hạn nghiệm thu cho bao bì thực phẩm.

Chọn ống kính và tỉ lệ ảnh theo đặc trưng nhỏ nhất cần phát hiện trên toàn bộ dải hàn, thay vì chỉ theo số megapixel. Ghi dải chiều rộng túi, độ lệch đường chạy, khoảng cách làm việc, độ sâu trường ảnh, thời gian phơi sáng, rung động, tốc độ và điều kiện vệ sinh. Nếu mép hàn ra ngoài khung hình, AI không thể kiểm tra nó. Ảnh thiếu hoặc không dùng được phải tạo sự kiện ngoại lệ, không được tự động cho qua.

4. So sánh quy tắc ảnh, AI và 3D trên cùng bộ mẫu

Khi bề rộng và vị trí hàn có ranh giới đo được, thử xử lý ảnh theo quy tắc trước. Cách này giải thích kết quả bằng số đo và có thể ít phụ thuộc dữ liệu huấn luyện. Với dị vật hình dạng bất định, nếp nhăn chồng họa tiết, hoặc biến thiên lớn của hàng tốt, so sánh mô hình phân loại, phát hiện vùng hay phân đoạn. Nếu độ cao là dấu hiệu chính, đưa 3D vào đánh giá. Một hệ kết hợp cũng có thể thích hợp.

Mọi phương án phải dùng cùng mẫu vật thật, sổ tiêu chí và cơ hội tối ưu ánh sáng. Kiểm tra dữ liệu huấn luyện có lệch theo SKU, màng, máy, ca và loại lỗi không. Giữ mẫu từ lô khác, ngày khác và sau thay đổi sản phẩm làm bộ nghiệm thu độc lập. Phát lại ảnh từ cùng chuỗi lô dùng huấn luyện không đủ chứng minh hiệu quả trên lô mới.

Độ chính xác tổng thể “99%” không đủ để ra quyết định mua khi phần lớn túi đều tốt. Báo riêng số lỗi lọt theo từng lớp, số túi tốt bị loại sai, tỉ lệ cần xem lại, ảnh mất, độ trễ quyết định và trường hợp loại nhầm túi. Hướng dẫn kiểm soát loại nhầm hàng tốt của AI thị giác trình bày đánh đổi ngưỡng nói chung. Với đường hàn, giới hạn phải theo từng lỗi: nếp nhăn thẩm mỹ không nhất thiết có hậu quả như vùng hàn gián đoạn có thể rò.

5. Gắn từng quyết định ảnh với đúng túi vật lý

Phát hiện lỗi trong ảnh nhưng đẩy nhầm túi thì không thể bảo đảm chất lượng. Thử khoảng cách camera tới điểm loại, tốc độ băng tải thay đổi, bước túi, độ trễ cảm biến và PLC, thời gian đáp ứng của khí nén hoặc cơ cấu đẩy. Sau khi máy VFFS cắt, túi có thể đổi tư thế; SKU khác có chiều dài khác. Dùng trigger, bộ đếm, encoder hoặc ID sản phẩm phù hợp thay vì chỉ dựa vào đồng hồ.

Cần cảm biến xác nhận túi lỗi đã vào đúng luồng cách ly. Xác định xử lý khi thùng đầy, áp khí thấp, đẩy thất bại, thiếu ảnh, mất truyền thông hoặc sai công thức: dừng máy hay cách ly toàn bộ túi thuộc khoảng bị ảnh hưởng. Kỹ thuật, an toàn và QA phải duyệt hành vi máy và cách xử lý sản phẩm cuối cùng.

Gắn mỗi kết quả với thời gian, SKU, lô, công thức máy hàn, công thức camera/đèn, phiên bản AI, loại lỗi, lệnh đẩy, xác nhận đẩy và kết quả kiểm tra lại. Quy định thời gian lưu và quyền truy cập ảnh; chỉnh vùng nhìn để không ghi người hay khu vực không cần thiết. Dữ liệu này giúp tách lỗi mô hình khỏi lỗi ghép ID hoặc cơ cấu đẩy.

6. Quản lý đổi mã hàng và loại nhầm túi tốt

Thay họa tiết màng, kích thước túi hoặc sản phẩm bên trong có thể dời vị trí và đổi vẻ ngoài đường hàn. Một công thức kiểm tra cần chứa SKU, màng, vùng ảnh, ánh sáng, khoảng bề rộng cho phép, mô hình hoặc ngưỡng, độ trễ đẩy và cách xử lý. Trước khi sản xuất lại sau đổi mã, đối chiếu công thức máy hàn và công thức kiểm tra rồi chạy mẫu tốt, lỗi và cần xem lại.

Khi túi tốt bị loại nhiều hơn, kiểm tra đèn bẩn, camera lệch, màng chạy lệch, điều kiện hàn và nhãn đúng của mẫu trước khi nới ngưỡng. Nới ngưỡng có thể tăng lỗi lọt. So sánh cấu hình cũ và mới trên cùng bộ thử thách độc lập theo từng lỗi; lưu người duyệt, lô áp dụng và cách khôi phục. Theo SKU, ca, lô, theo dõi cả số lượng và mẫu số: số túi kiểm tra, từng loại lỗi, cần xem lại, loại tốt sai, lỗi lọt thật, ảnh thiếu và đẩy không thành công. Kết quả kiểm tra lại của QA phải quay về nhật ký.

7. Kết hợp thị giác với thử rò rỉ và độ bền hàn

Camera trên dây chuyền bắt nhanh đặc tính quan sát được ở mọi túi và báo sớm sai lệch quá trình. Phép thử chức năng kiểm tra đặc tính khác. QA quyết định phương pháp, tần suất và phạm vi giữ lô khi kết quả thất bại. Tỉ lệ qua kiểm tra ảnh cao hơn không tự chứng minh có thể giảm thử rò hoặc độ bền. Mọi thay đổi cần thẩm định và phê duyệt theo ứng dụng.

Nếu camera thấy đường hàn hẹp, cách ly túi đó và so kết quả thử chức năng với lịch sử thông số trong cùng khoảng thời gian. Nếu thử chức năng thất bại nhưng ảnh bình thường, xem lỗi vốn không quan sát được, góc chụp thiếu, hay ghép sai ảnh với mẫu thử. Kết nối hai nguồn dữ liệu theo lô, SKU và thời gian.

Nêu phạm vi tiêu chuẩn rõ ràng: ASTM F88/F88M liên quan độ bền hàn của vật liệu rào cản mềm; ASTM F1929 là phương pháp thuốc nhuộm cho bao bì y tế bằng vật liệu có lỗ xốp; ISO 11607-1 liên quan hệ bao bì thiết bị y tế tiệt trùng cuối. Không có tài liệu nào tự động thành yêu cầu chung cho mọi túi. QA phải đối chiếu sản phẩm, vật liệu, thị trường, phiên bản và hợp đồng khách hàng.

8. Mười hai mục RFP để so sánh thiết bị kiểm tra bao bì

Gửi tiêu chí nghiệm thu cho nhà cung cấp trước khi yêu cầu đề xuất camera. “Có AI,” “độ chính xác cao” và “kiểm tra 100%” không mô tả cách nghiệm thu hệ thống đã lắp.

1. Phạm vi: định dạng, SKU, vị trí hàn, kích thước, màng và dải tốc độ.
2. Sổ lỗi: định nghĩa, mẫu ranh giới, mức nghiêm trọng và xử lý từng lớp.
3. Quan sát: đặc trưng tối thiểu, mặt chụp, chuyển động, ánh sáng, điều kiện vệ sinh.
4. Phương pháp: lý do chọn 2D, 3D, quy tắc hay AI, kèm ảnh gốc.
5. Đổi mã: gọi công thức, tránh chọn sai, mẫu chuẩn và phân quyền.
6. Hiệu quả: số lỗi lọt/mẫu số theo lớp, số tốt bị loại sai/mẫu số, tỉ lệ xem lại và mất ảnh.
7. Thời gian: chụp, suy luận và đẩy ở tốc độ tối đa và khi tốc độ biến đổi.
8. Cách ly: cơ cấu, xác nhận, xử lý khi thùng đầy, khí thấp hoặc mất liên lạc.
9. Bằng chứng: ảnh, lô, SKU, thời gian, bản AI, lệnh, xác nhận và kiểm tra lại.
10. Thử nghiệm: thành phần mẫu FAT/SAT, người chứng kiến, cách đo, thử lại, tiêu chí đạt.
11. Bảo trì: vệ sinh, hiệu chuẩn, thay đèn, cập nhật AI, quay lại bản cũ, hỗ trợ tại chỗ.
12. Chi phí: sửa máy, đồ gá, kết nối PLC, chạy thử, đào tạo và phí định kỳ.

Đừng dùng một con số “kích thước nhỏ nhất phát hiện được” cho mọi lỗi và mọi màng. Yêu cầu ma trận thử theo lớp lỗi và loại bao bì, kể cả điều kiện không thể phát hiện. Tách mẫu nhà cung cấp dùng huấn luyện khỏi bộ mẫu giữ lại để nghiệm thu.

9. Nghiệm thu phán đoán ảnh và đẩy đúng túi riêng trong FAT/SAT

FAT kiểm tra phát hiện lỗi, loại tốt sai, công thức, phản ứng khi thiếu ảnh, bản ghi và lệnh đẩy bằng mẫu tốt, lỗi và ranh giới. Gồm hai đầu đường hàn, dị vật trùng hoa văn, màng trong/đục, mẫu ngay sau đổi mã. QA cố định nhãn đúng trước khi thử. Nếu chỉnh ngưỡng trong FAT, đánh giá cấu hình cuối bằng bộ mẫu giữ lại khác.

SAT dùng tốc độ thực, rung, ánh sáng ngoài, vệ sinh, thay cuộn màng và khởi động từng ca. Đếm kết quả trên ảnh tách khỏi kết quả cách ly đúng túi. Đánh dấu túi lỗi thử và ngăn tuyệt đối việc lẫn vào hàng bán. Mô phỏng mất liên lạc và đẩy thất bại để xác định khoảng túi cần giữ.

Báo số mẫu, mẫu số, lỗi lọt, loại tốt sai, cần xem lại và đẩy nhầm túi theo từng lớp và định dạng. “Không lọt trong 20 mẫu lỗi” không có sức chứng minh bằng “không lọt trong hàng trăm mẫu độc lập”. Phê duyệt giới hạn trước từ rủi ro sản phẩm và yêu cầu khách hàng, không chép số minh họa của bài báo.

Bộ mẫu thử thách cho đường hàn cần tách bột chỉ chạm mép trong khỏi bột cắt ngang toàn dải; giọt trên bề mặt khỏi giọt kẹt giữa hai lớp màng; nếp gập song song khỏi nếp gập vuông góc; vùng hàn hẹp ở giữa khỏi hẹp tại đầu. So dấu quá nhiệt với hàng tốt có mật độ màu in khác nhau. Lỗi tạo nhân tạo phải giống lỗi quá trình thật; vài dị vật lớn dễ thấy không chứng minh phát hiện được bột mịn. Đánh dấu, đếm và thu hồi mọi túi thử sau SAT để chúng không quay vào hàng bán.

Tạo trạng thái cần xem lại riêng khi ảnh mờ, đường hàn bị che, xuất hiện màng chưa biết hoặc điểm AI sát ngưỡng. Quy định khu vực giữ, cách kiểm tra lại và người có quyền đưa túi trở lại. Đo số túi chờ vào giờ cao điểm, không chỉ phần trăm. Người xem lại đúng bức ảnh ấy vẫn không thể xác nhận rò rỉ không để dấu trên ảnh. Khi cần, kiểm tra túi thật và ghi quyết định đến từ ngoại quan hay phép thử chức năng trước khi dùng kết quả làm nhãn huấn luyện AI.

Lặp lại thử chụp và đẩy khi khởi động, giảm tốc, dừng, khởi động lại, đổi chiều dài túi và đổi cuộn màng. Nhiệt dư ở thanh hàn, ánh sáng ngoài, bột bám cửa sổ camera và nước vệ sinh có thể đổi hình ảnh. Vận hành đủ lâu để thấy ảnh hưởng khởi động và thùng chứa đầy. Ghi điều kiện, kết quả dự kiến, kết quả thực, ảnh gốc, ID túi, người quan sát và lý do thử lại. Nếu nhà cung cấp thay thiết lập, ghi phiên bản và thử lại điều kiện bị ảnh hưởng. Nghiệm thu cấu hình sản xuất cuối cùng gồm đèn, công thức và bộ đẩy, không giả định mô hình AI không đổi thì toàn dây chuyền cũng không đổi. QA, sản xuất, bảo trì, IT/OT và mua hàng cùng duyệt bằng chứng thuộc trách nhiệm của mình.

10. Ghi rõ giả định của mọi con số kinh doanh

Đây là phép tính giả định, không phải kết quả lắp đặt của TOMAS TECH hay cam kết thiết bị. Giả sử kiểm tra 100.000 túi/ngày và tỉ lệ lỗi hàn nhìn thấy là 0,20%, sẽ có 200 túi đáng nghi. Giả sử tỉ lệ loại nhầm trong 99.800 túi tốt là 0,10%, khoảng 100 túi tốt vào khâu xem lại. Nếu giả định tỉ lệ bỏ lọt trong các lỗi đó là 1%, khoảng hai túi lỗi/ngày có thể đi qua. Phép tính này không nói mức đó được phép chấp nhận.

Nếu 198 túi lỗi được phát hiện và khoảng 100 túi tốt bị loại nhầm, hàng chờ kiểm tra lại trong mô hình đơn giản là khoảng 298 túi/ngày. Trên thực tế, một số túi phải bỏ hoặc chuyển thử chức năng. Cần đặt thời gian xử lý và tỉ lệ thu hồi theo từng lớp lỗi, lượng vào giờ cao điểm và dung lượng thùng. Giảm loại nhầm không phải tiết kiệm nếu làm tăng lỗi nghiêm trọng lọt qua.

So tổng chi phí của máy, đèn, lắp đặt, đánh giá lại khi đổi họa tiết, hàng tốt mất, nhân công xem lại, thời gian dừng và hậu quả nếu lỗi ra thị trường. Nếu chưa biết chi phí, dùng kịch bản thấp, trung bình và cao thay cho một ROI nhìn có vẻ chính xác nhưng thiếu căn cứ.

11. Trình tự chuẩn bị thực tế trong sáu tuần

Tuần 1, QA và sản xuất chọn một SKU, duyệt sổ lỗi và xác định thử chức năng. Tuần 2, quan sát đường hàn, màng và chuyển động, chọn các góc 2D/3D. Tuần 3, thu mẫu tốt, lỗi và ranh giới từ các lô khác nhau rồi cố định nhãn đúng. Tuần 4, đưa cùng RFP và mẫu cho các nhà cung cấp. Tuần 5, chốt FAT và bộ nghiệm thu độc lập. Tuần 6, giao người phụ trách lắp đặt, cách ly, SAT, đào tạo và quản lý thay đổi.

Đây là ví dụ lập kế hoạch, không phải lời hứa hoàn tất trong sáu tuần. Lỗi hiếm, thay bản in, phê duyệt của khách hàng và phép thử bổ sung có thể kéo dài. PoC ngắn nên cho biết lỗi nào quan sát được, lỗi nào không và cách nghiệm thu hợp lý; vài ảnh demo đẹp không phải bằng chứng năng lực sản xuất hàng loạt.

Câu hỏi thường gặp

AI kiểm tra ảnh có phát hiện mọi lỗi đường hàn nhiệt không?

Không. Ngay cả dị vật, nếp nhăn và hàn hẹp cũng phụ thuộc màng, ánh sáng, góc và vị trí. Đường hàn trông đẹp vẫn có thể không đạt chức năng. Hãy kết hợp thị giác với phép thử thích hợp và kiểm soát quá trình.

Phát hiện sản phẩm kẹt đường hàn nên dùng camera 2D hay cảm biến 3D?

Chụp mẫu ranh giới thật ở tốc độ dây chuyền. Nếu ánh sáng 2D tối ưu phân biệt ổn định thì có thể đủ. Nếu hoa văn che tín hiệu màu nhưng độ cao khác rõ, so 3D trên cùng mẫu, xem lỗi lọt, loại tốt sai, bảo trì và chi phí tổng.

Cần xác định gì trước khi chọn thiết bị kiểm tra bao bì?

Xác định lớp lỗi và giới hạn, màng và kích thước, tốc độ, điểm chụp, đường cách ly, năng lực kiểm tra lại và mẫu FAT/SAT trước khi chọn mã camera.

Sau khi lắp AI có thể giảm thử rò hoặc độ bền hàn không?

Không thể giảm chỉ vì đã có camera. Các phương pháp quan sát thuộc tính khác nhau. QA phải thẩm định thay đổi tần suất theo sản phẩm, hợp đồng khách hàng và rủi ro quá trình.

FAT/SAT của nhà máy tại Thái Lan cần nghiệm thu gì?

Thống nhất số lỗi lọt và loại tốt sai theo từng lớp, ảnh thiếu, đổi mã, xác nhận đẩy, cách ly khi mất liên lạc và truy xuất bản ghi. Tách chấm điểm ảnh ở FAT khỏi đẩy đúng túi ở SAT, luôn nêu số mẫu.

Tóm tắt

AI kiểm tra đường hàn nhiệt giúp phát hiện lỗi có thể quan sát trên mọi túi và nhận ra sai lệch quá trình sớm hơn. Bắt đầu từ sổ lỗi và mẫu ranh giới, chứng minh khả năng nhìn thấy trên màng thật, rồi nghiệm thu cả quyết định trên ảnh lẫn cách ly đúng túi. Nêu rõ hình ảnh không chứng minh được độ kín hoặc độ bền; duy trì thử chức năng và hồ sơ quá trình phù hợp. Dùng một định nghĩa lỗi xuyên suốt RFP, FAT, SAT và vận hành.

Nếu dây chuyền đóng gói ở Thái Lan đang phân loại lỗi hàn hoặc so sánh thiết bị kiểm tra, hãy liên hệ TOMAS TECH. Chúng tôi có thể cùng xác định mẫu, điều kiện chụp và tiêu chí nghiệm thu ngay từ giai đoạn lập yêu cầu.

Tài liệu tham khảo

• ASTM F1886/F1886M-25: kiểm tra trực quan bao bì sơ cấp.
• ASTM F88/F88M-23: độ bền hàn vật liệu rào cản mềm.
• ASTM F1929-23: thuốc nhuộm cho bao bì y tế bằng vật liệu có lỗ xốp.
• ISO 11607-1:2019: bao bì thiết bị y tế tiệt trùng cuối.
• OMRON: Ensure the Integrity of Packaging.
• KEYENCE: ví dụ thị giác cho sản phẩm chăm sóc sức khỏe.
• KEYENCE: ví dụ phát hiện dị vật đường hàn.
• KEYENCE: thị giác cho bao bì thực phẩm và đồ uống.