نظام التعرف البصري وتحديد المواقع الدقيق للرافعة العلوية

في ورشات المعادن الحديثة وبناء السفن وتصنيع المعدات الثقيلة، تتولى الرافعات العلوية (الرافعات الجسرية) مهمة مناولة ومحاذاة لفائف الصلب والألواح الفولاذية والمعدات الكبيرة والقوالب. تعتمد العمليات التقليدية على الخبرة البصرية للمشغل والتواصل الصوتي مع منسقي الأرض، مما يؤدي إلى انخفاض دقة المحاذاة ووضوح اختناقات الكفاءة، إضافة إلى مخاطر السلامة الناتجة عن المناطق العمياء. مع التقدم المتسارع للصناعة 4.0 والتصنيع الذكي، تُحدث تقنيات التعرف البصري وتحديد المواقع القائمة على التعلم العميق تحولاً جذرياً في عمليات مناولة المعلقات بالرافعات العلوية. يستعرض هذا المقال بشكل منهجي البنية الهندسية ومسار التنفيذ والخوارزميات الأساسية لنظام التعرف البصري وتحديد المواقع الدقيق للمعلقات المعتمد على YOLOv8، ليشكل مرجعاً تقنياً متكاملاً للترقية الذكية للرافعات العلوية.

البنية العامة لنظام التوجيه البصري وتحديد المواقع

يعتمد نظام التعرف البصري وتحديد المواقع الدقيق لمعلقات الرافعة العلوية بنية من أربع طبقات، مرتبة من الأسفل إلى الأعلى: طبقة الاستشعار، وطبقة الاستدلال، وطبقة التحويل، وطبقة التحكم. ترتبط هذه الطبقات عبر شبكة إيثرنت عالية السرعة وناقل ميداني صناعي، لتشكل سلسلة تحكم مغلقة متكاملة.

طبقة الاستشعار هي بوابة البيانات الأساسية للنظام، حيث تلتقط كاميرا صناعية مصفوفية مثبتة أسفل جسر الرافعة صور منطقة المعلقات في الوقت الفعلي. تستخدم الكاميرا طرازات صناعية من Hikvision أو Basler، بدقة تتراوح عادة بين 5 و12 ميجابكسل، مع إضاءة تكميلية نابضة بتقنية LED للتغلب على تقلبات الإضاءة والظلال في الورشة. تُنقل بيانات الصور عبر واجهة جيجابت إيثرنت (بروتوكول GigE Vision) إلى عقدة حوسبة الحافة، مما يضمن استقرار النقل بمعدل إطارات مرتفع يصل إلى 60 إطاراً في الثانية. تُثبت مكونات طبقة الاستشعار داخل هيكل من الألومنيوم بدرجة حماية IP67، لتحمل البيئات عالية الغبار ودرجات الحرارة المرتفعة والتداخل الكهرومغناطيسي في ورشات المعادن.

طبقة الاستدلال تعتمد على منصة الحوسبة NVIDIA Jetson Orin NX كوحدة معالجة مركزية، وتشغل نموذج الكشف عن الأهداف YOLOv8. توفر هذه الوحدة قدرة حوسبة ذكاء اصطناعي تصل إلى 100 TOPS، وتُنجز الاستدلال على صور بدقة 1920×1080 خلال 15ms، مما يلبي متطلبات التشغيل الفوري. تستقبل طبقة الاستدلال تدفق الصور الخام من طبقة الاستشعار، وتُخرج إحداثيات صناديق الكشف لكل معلق في نظام إحداثيات الصورة، وتصنيفه، ودرجة الثقة. كما تشغل طبقة الاستدلال خوارزميات معالجة صور أولية تشمل معادلة الرسم البياني، وضبط التباين التكيفي، وقص منطقة الاهتمام (ROI)، لتعزيز متانة النموذج في ظروف الإضاءة المعقدة.

طبقة التحويل تنفذ الخوارزمية الأساسية لتحويل الإحداثيات. باستخدام مصفوفة المعايرة الداخلية للكاميرا ومصفوفة تحويل المنظور المُعايرتين مسبقاً، تُسقط الإحداثيات البكسلية الناتجة عن طبقة الاستدلال إلى إحداثيات نظام الإحداثيات العالمي على مستوى الأرض (بوحدة المليمتر). تتولى طبقة التحويل أيضاً تصحيح الإزاحة والدوران لنظام الإحداثيات، لإزالة التشوه الإسقاطي الناتج عن زاوية تركيب الكاميرا وارتفاعها. يُستخدم الاستيفاء ثنائي الخطوط والتحسين دون مستوى البكسل في حسابات تحويل الإحداثيات، لضمان دقة التحويل بما يتوافق مع متطلبات المحاذاة الصناعية.

طبقة التحكم ترسل إحداثيات موضع المعلقات المحسوبة وقيم انحراف المحاذاة إلى نظام التحكم في الرافعة العلوية عبر بوابة شبكة PROFINET الصناعية، وتحديداً إلى PLC من سيمنز (سلسلة S7-1200/1500). بعد استلام قيم الانحراف، يولّد PLC أوامر حركة للعربة الكبيرة والعربة الصغيرة وآلية الرفع وفقاً لخوارزمية تحكم بالحلقة المغلقة للموضع المحددة مسبقاً، لتحقيق المحاذاة التلقائية والإنزال الدقيق. تتعامل طبقة التحكم أيضاً مع تبادل البيانات مع نظام MES ونظام مراقبة السلامة، وترفع نتائج تحديد المواقع وحالة المعدات إلى منصة إدارة الورشة في الوقت الفعلي.

تتمثل ميزة البنية الرباعية في الفصل الواضح بين الوحدات وتوحيد الواجهات. يمكن ترقية أو استبدال أي طبقة (مثل تحديث إصدار النموذج أو ضبط معاملات الكاميرا) دون التأثير على التشغيل الطبيعي للطبقات الأخرى، مما يقلل بشكل كبير من صعوبة الصيانة والتطوير الدوري. يبلغ زمن الاستجابة الكلي للنظام من البداية إلى النهاية أقل من 100ms، بما يلبي متطلبات التحكم الفوري في سيناريوهات تشغيل الرافعة بسرعات منخفضة (≤20m/min).

فيما يلي جدول مقارنة لأبرز طرازات الكاميرات الصناعية المتوافقة مع النظام، كمرجع للاختيار:

ثانيًا: كشف وتصنيف أهداف الحمولة

يُعد الكشف الدقيق والتصنيف المفصّل لأهداف الحمولة المرحلة الأساسية الأولى في نظام تحديد المواقع البصري بأكمله. يعتمد النظام على YOLOv8 (نسخة Ultralytics YOLOv8s) كنموذج الكشف الأساسي، حيث يتم تدريبه عبر التعلّم بالنقل على مجموعة بيانات خاصة بالحمولات، لتحقيق التعرف الفوري على أربعة أنواع رئيسية من الحمولات.

تعريف فئات الكشف (Hook_Load): يصنّف النظام جميع الحمولات ضمن الفئة الرئيسية Hook_Load، والتي تنقسم إلى أربع فئات فرعية: Steel_Coil (لفائف الصلب)، Steel_Plate (لوح فولاذي)، Equipment (المعدات)، وMold (القوالب). تتميز لفائف الصلب بشكل أسطواني، وغالبًا ما تظهر على سطحها علامات الصدأ وأنماط الأشرطة؛ أما الألواح الفولاذية فهي أسطح معدنية مسطحة كبيرة ذات انعكاس قوي وحواف حادة؛ وتشمل المعدات المكونات الميكانيكية الكبيرة (مثل هياكل ماكينات الدرفلة وأغلفة مخفضات السرعة) ذات الأشكال غير المنتظمة ولكن بملامح واضحة؛ بينما تتميز القوالب بمحيط تجاويف دقيق وأعمدة توجيه. تختلف الفئات الأربع اختلافًا كبيرًا في الأبعاد والأشكال والأنسجة السطحية، مما يتطلب من النموذج قدرة تمييزية قوية بين الفئات.

بناء مجموعة البيانات وتسميتها: قام فريق المشروع بجمع بيانات صور حقيقية من مواقع متعددة لورش المعادن والصناعات الثقيلة، تشمل ظروف إضاءة متنوعة مثل النهار المشمس والغائم والإضاءة الليلية الاصطناعية، بالإضافة إلى أوضاع حمولة مختلفة كالحمولة الكاملة والفارغة والحمولة غير المتوازنة. تم جمع أكثر من 12,000 صورة خام، وبعد فرز الجودة تم الاحتفاظ بـ 8,500 عينة صالحة. استُخدمت أداة LabelImg لتسمية فئات الأهداف وصناديق الكشف بتنسيق COCO، حيث تتطلب مواصفات التسمية أن يلتصق صندوق الكشف بالمحيط الفعلي للحمولة، مع ألا يتجاوز الهامش الأبيض 5 بكسل. أولت عملية التسمية اهتمامًا خاصًا لحالات الانسداد الشديد (مثل تكدس لفائف الصلب) والأهداف الصغيرة (مثل القوالب البعيدة)، لضمان قدرة تعميم النموذج.

استراتيجية تعزيز البيانات: لتحسين أداء التعميم ومقاومة التشويش، يتضمن خط التدريب استراتيجيات تعزيز بيانات غنية: (1) تعزيز Mosaic — دمج أربع صور تدريب عشوائيًا في صورة واحدة، مما يدفع النموذج لتعلم تمثيل الأهداف في خلفيات معقدة، وهو فعّال بشكل ملحوظ للأهداف الصغيرة وحالات الانسداد؛ (2) تعزيز MixUp — خلط صورتين وتسمياتهما بنسب عشوائية، لإدخال تركيبات أهداف إضافية؛ (3) تشويش فضاء الألوان HSV — ضبط عشوائي لدرجة اللون (H) والتشبع (S) والإضاءة (V) ضمن نطاقات ±30° و±50% و±50% على التوالي، لمحاكاة اختلافات الإضاءة ودرجة حرارة اللون في الورشة؛ (4) تحجيم وقص عشوائي — لمحاكاة تغيرات مجال الرؤية عند ارتفاعات العمل المختلفة للكاميرا؛ (5) ضوضاء غاوسية وتشويش حركة — لمحاكاة ضوضاء مستشعر الكاميرا الصناعية وتأثير الصور الممتدة عند حركة الحمولة السريعة. بعد التعزيز المذكور، يتوسع حجم عينات التدريب المكافئ إلى حوالي 60,000 صورة.

تدريب النموذج ونشره: يعتمد التدريب على أوزان YOLOv8s المُدرّبة مسبقًا، بحجم صورة إدخال 640×640، باستخدام محسن AdamW، ومعدل تعلم ابتدائي 0.001، مع استراتيجية جدولة معدل التعلم بالتخفيف الجيبي (Cosine Annealing)، وإجمالي 300 دورة تدريبية. اكتمل التدريب على بطاقة رسوميات NVIDIA RTX 4090 واحدة، واستغرق حوالي 18 ساعة. نتائج التقييم على مجموعة التحقق (1,000 عينة مستقلة): mAP@0.5 بلغ 0.962، وmAP@0.5:0.95 بلغ 0.738، وسرعة الاستدلال للإطار الواحد على Jetson Orin NX تتراوح بين 12~18ms (بعد تحسين TensorRT FP16). تُخرج صناديق الكشف بتنسيق (x_center, y_center, width, height) وتُطبَّع إلى النطاق [0,1]، ثم تُحوَّل عبر وحدة المعالجة اللاحقة إلى إحداثيات بكسل الصورة الأصلية لاستخدامها في طبقة تحويل الإحداثيات.

ثالثًا: معايرة الكاميرا وتحويل الإحداثيات

يُعد التحويل الدقيق لإحداثيات البكسل الناتجة عن نموذج الكشف إلى إحداثيات العالم على مستوى الأرضية المرحلة التقنية الأساسية لتحقيق التوجيه البصري. يعتمد النظام "طريقة المعايرة الثنائية" — أولًا معايرة المعلمات الداخلية للكاميرا لتصحيح تشوه العدسة، ثم معايرة المعلمات الخارجية لبناء علاقة الإسقاط بين البكسل ومستوى الأرضية، وأخيرًا إتمام التحويل بدقة دون مستوى البكسل عبر مصفوفة تحويل المنظور.

مسار المعايرة ثلاثي الخطوات (التحقق من دقة المعاملات الداخلية والخارجية) ينشئ سلسلة تحويل كاملة من إحداثيات البكسل إلى الإحداثيات العالمية على مستوى الأرض، بمتوسط خطأ كلي يبلغ 3.2 مم، محققًا متطلب دقة تكرار التموضع ±5 مم.

من الجدير بالذكر أنه عندما يحدث إزاحة طفيفة في موضع تركيب الكاميرا بسبب اهتزاز الرافعة العلوية أثناء التشغيل، فإن معاملات المعايرة تتعرض للانحراف. صُمم النظام بخطة معايرة تلقائية دورية — بالاعتماد على عناصر مرجعية للمعايرة برمز QR مثبتة بشكل ثابت على مستوى الأرض، يتم تنفيذ التحقق من المعاملات الخارجية وضبطها الدقيق تلقائيًا عند كل إقلاع للنظام أو بعد كل ساعتي تشغيل، مما يضمن استقرار وموثوقية دقة تحويل الإحداثيات على المدى الطويل. تلبي هذه الخطة متطلبات الحفاظ على دقة نظام تحديد المواقع وفقًا لمعيار JB/T 1306-2018 للرافعات الكهربائية أحادية العارضة ومعيار ISO 4301 / FEM 1.001 لتصميم الرافعات.

استراتيجية التوجيه البصري للمحاذاة

التوجيه البصري للمحاذاة هو الهدف النهائي للتحكم في النظام بأكمله، ويشمل حلقة التحكم المغلقة الكاملة من التعرف على الحمولة إلى تنفيذ عملية الوضع. يدمج النظام الإدراك البصري، ورسم خرائط الإحداثيات، وحساب الانحراف، والتحكم الحركي PLC في استراتيجية تحكم موحدة، لتحقيق محاذاة تلقائية دقيقة لحمولة الرافعة العلوية.

مسار المحاذاة: تنقسم العملية الكاملة إلى خمس مراحل. (1) التعرف على الحمولة وتثبيتها — يكتشف نموذج YOLOv8 نوع الحمولة الحالية في الوقت الفعلي ويخرج إطار الكشف، ويقوم النظام بتثبيت الهدف بناءً على مركز إطار الكشف ونتيجة التصنيف، مع إنشاء منطقة اهتمام (ROI) ديناميكية للتتبع حول الهدف لتقليل حجم بيانات الصورة للمعالجة اللاحقة. (2) رسم خرائط الإحداثيات — تحويل إحداثيات البكسل (u, v) لمركز إطار الكشف إلى الإحداثيات العالمية على مستوى الأرض (X_load, Y_load) عبر مصفوفة التحويل المنظوري. إذا كانت هناك علامة رمز QR/رمز تعريف مساعدة لتحديد المواقع أسفل الهدف، يتم أيضًا قراءة الإحداثيات العالمية الدقيقة للعلامة (X_mark, Y_mark). (3) حساب انحراف المحاذاة — حساب مقدار الانحراف بين الموضع الحالي للحمولة والموضع المستهدف (مركز منطقة الوضع أو موضع رمز العلامة) ΔX = X_target - X_load، ΔY = Y_target - Y_load، بالإضافة إلى انحراف الزاوية Δθ (للأجزاء الطويلة التي تتطلب وضعًا موجهًا). (4) التحكم بالحلقة المغلقة PLC — يتم إرسال مقدار الانحراف إلى PLC عبر بوابة PROFINET، ويستخدم PLC وحدة تحكم PID مدمجة مع مقدار الانحراف كمدخل، ويخرج أوامر السرعة والاتجاه لحركة جسر الرافعة والعربة، لقيادة المحركات متغيرة التردد لتقليل الانحراف تدريجيًا إلى الصفر. (5) تنفيذ الوضع/الإمساك — عندما يفي انحراف موضع الحمولة عن الموضع المستهدف في نفس الوقت بشرط ΔX≤±5 مم، ΔY≤±5 مم، وΔθ≤±1°، يحدد النظام اكتمال المحاذاة، ويخرج إشارة السماح بخفض الخطاف أو الإمساك إلى آلية الرفع، لإتمام عملية الوضع أو الإمساك.

تحديد المواقع المساعد برمز QR/رمز التعريف: في التطبيقات الهندسية الفعلية، الاعتماد فقط على الإحداثيات المطلقة لإطار كشف الحمولة لتحديد المواقع يؤدي إلى أخطاء عشوائية بسبب اختلافات حجم الحمولة، وانحراف وضع التعليق، وتقلبات دقة إطار الكشف. لذلك، يقوم النظام بدفن علامات تحديد المواقع برمز QR (باستخدام مخطط AprilTag أو رمز QR) في منطقة الوضع المستهدفة أو موضع الإمساك مسبقًا. يبلغ طول جانب رمز العلامة 100~200 مم، ويتم الحصول على إحداثياته العالمية (X_QR, Y_0) عبر قياس دقيق، وتخزينها في ملف تكوين النظام. في مسار التوجيه البصري، يكتشف النظام الموقع الدقيق لرمز العلامة أولاً، ويستخدم إحداثيات رمز العلامة كمرجع أساسي للموضع المستهدف، مما يلغي بشكل فعال تأثير خطأ الكشف الذاتي للحمولة على دقة تحديد المواقع. أظهرت الممارسة أنه بعد إدخال تحديد المواقع المساعد برمز QR، تحسنت دقة تكرار التموضع للنظام من ±12 مم إلى أقل من ±5 مم.

معالجة سيناريوهات الأهداف المتعددة: عندما تظهر حمولات متعددة أو رموز علامات متعددة في مجال الرؤية، يحدد النظام وفقًا لقواعد الأولوية — معالجة الحمولة الأقرب إلى النقطة المستهدفة أولاً، أو معالجة منطقة الوضع المستهدفة المطابقة لفئة الحمولة الحالية أولاً. بالنسبة لسيناريوهات وجود رموز علامات متعددة لمناطق الوضع، يقدم النظام منطق ربط بين معرف مهمة العمل ومعرف منطقة الوضع، ويطابق تلقائيًا منطقة الوضع المستهدفة من خلال معلومات أمر العمل المرسلة من نظام MES، لتجنب المحاذاة الخاطئة.

آلية معالجة الاستثناءات: عندما يكتشف النظام البصري فقدان الحمولة (خروج الهدف من مجال الرؤية)، أو انخفاض الثقة عن العتبة (0.6)، أو انسداد رمز العلامة، يتحول النظام تلقائيًا إلى وضع الأمان — إيقاف المحاذاة التلقائية، والحفاظ على الحالة الحالية، وإصدار إنذار، بانتظار تدخل المشغل للتأكيد. بعد استعادة الحالة الطبيعية، يعيد النظام تلقائيًا تنفيذ عملية التعرف على الحمولة وتثبيتها، لضمان سلامة وموثوقية عملية المحاذاة.

ضبط النظام والتحقق من الدقة

يعد ضبط النظام والتحقق من الدقة بعد التثبيت خطوة حاسمة لضمان وصول نظام تحديد المواقع البصري إلى المؤشرات التصميمية. وضع النظام عملية ضبط موحدة وطرق تحقق صارمة من الدقة، وفقًا للمعايير الوطنية ذات الصلة بآلات الرفع (GB/T 28264 — نظام مراقبة وإدارة السلامة لآلات الرفع، ومعيار ISO 4301 / FEM 1.001 لتصميم الرافعات).

مسار الضبط: ينقسم الضبط إلى أربع مراحل، تُنفذ بشكل تدريجي. (1) ضبط معايرة النقطة الواحدة — بعد تركيب الكاميرا، يتم أولاً إجراء معايرة المعاملات الداخلية، ثم يتم ترتيب نقاط معايرة على الأرض لإجراء معايرة المعاملات الخارجية، والتحقق الأولي من دقة الحساب الأمامي والعكسي لتحويل الإحداثيات. تستخدم هذه المرحلة جهاز إسقاط ليزري متقاطع للمساعدة في تحديد المواضع المقابلة للبكسل لنقاط المعايرة. (2) ضبط المحاذاة الثابتة — يتم وضع قطعة اختبار قياسية (كتلة فولاذية مستطيلة ذات أبعاد معروفة) أسفل الخطاف، ويقوم النظام بإجراء كشف الهدف الثابت وتحويل الإحداثيات، مع تسجيل ومقارنة إحداثيات إطار الكشف يدويًا مع الإحداثيات المقاسة فعليًا. يتم ضبط معاملات المعايرة بشكل متكرر حتى يصبح الخطأ الثابت ضمن ±3 مم. (3) ضبط التتبع الديناميكي — تشغيل الرافعة العلوية بسرعات واتجاهات مختلفة، ومراقبة ما إذا كانت وحدة التتبع البصري تثبت الحمولة بشكل مستقر، وتسجيل سعة اهتزاز إطار الكشف أثناء التتبع الديناميكي. من خلال ضبط معاملات مرشح كالمان واستراتيجية تحديث ROI، يتم التحكم في اهتزاز التتبع الديناميكي ضمن ±2 بكسل. (4) ضبط الترابط الكامل للعملية — إصدار مهام عمل حقيقية عبر نظام MES، وتوجيه الرافعة العلوية بواسطة النظام البصري لإكمال مسار المحاذاة الكامل من نقطة الرفع إلى نقطة الوضع تلقائيًا، مع تسجيل بيانات الانحراف في كل مرحلة طوال العملية.

طريقة اختبار الدقة: للتحقق من دقة تكرار التموضع، تُستخدم "طريقة اختبار الذهاب والإياب ثلاثية النقاط" — يتم اختيار ثلاث نقاط اختبار مختلفة (يسار، وسط، يمين) على مستوى أرضية الورشة، ويتم تنفيذ 100 عملية محاذاة ذهابًا وإيابًا لكل نقطة، مع تسجيل انحراف الموضع النهائي لكل عملية محاذاة. تستخدم معدات الاختبار متتبعًا ليزريًا عالي الدقة (Leica AT960، الدقة ±0.02 مم) لقياس الإزاحة النسبية بين حافة الحمولة وعلامة الهدف. تشمل ظروف الاختبار حالتين: بدون حمولة وبحمولة كاملة، بالإضافة إلى ثلاثة أوضاع: حركة جسر الرافعة فقط، وحركة العربة فقط، والحركة المركبة. أظهرت النتائج الإحصائية لـ 300 اختبار (100 مرة × 3 نقاط): متوسط الانحراف في الاتجاه X هو 1.8 مم، والانحراف المعياري 1.2 مم؛ متوسط الانحراف في الاتجاه Y هو 2.1 مم، والانحراف المعياري 1.5 مم؛ دقة تكرار التموضع الشاملة هي ±4.6 مم (3σ)، وهي أفضل من المؤشر التصميمي ±5 مم.

التحقق المقارن: للتحقق الكامل من أداء النظام، أُجريت اختبارات مقارنة بين المحاذاة اليدوية والمحاذاة التلقائية بالرؤية في نفس الورشة وبشكل متزامن. تم اختيار 5 سائقي رافعات علوية مهرة، كلٌّ منهم ينفذ 20 عملية محاذاة لوضع لفائف الصلب، مع تسجيل زمن المحاذاة والدقة النهائية. النتائج كالتالي: متوسط زمن المحاذاة اليدوية 42 ثانية بمتوسط دقة ±24 مم؛ بينما متوسط زمن المحاذاة التلقائية بالرؤية 18 ثانية بمتوسط دقة ±4.2 مم. أي انخفاض في الزمن بنسبة 57% وتحسين في الدقة بمقدار 5.7 مرة. كما أن نظام الرؤية يلغي العوامل البشرية مثل إجهاد المشغّل، وتباين الخبرة، وانعدام الرؤية، مما يجعل اتساق نتائج المحاذاة أفضل بشكل ملحوظ من التشغيل اليدوي (الانحراف المعياري لا يتجاوز 1/8 من نظيره اليدوي).

التحقق من الاستقرار طويل الأمد: بعد تشغيل النظام بشكل متواصل لمدة 6 أشهر في موقع العميل، لم يظهر أي تدهور ملحوظ في دقة تكرار التموضع. أظهرت بيانات إعادة قياس الدقة الشهرية أن أقصى انحراف للدقة بلغ +0.8 مم، وهو ضمن نطاق التصميم البالغ ±5 مم. كشفت المعايرة الدورية الربع سنوية أن معدل تغير المعاملات الداخلية للكاميرا أقل من 1%، بينما تراكم انحراف المعاملات الخارجية حوالي 2.5 مم بسبب الاهتزاز الميكانيكي، وتمت استعادة مستوى الدقة الأولي بعد التعويض بالمعايرة التلقائية. تؤكد نتائج التحقق المذكورة أن النظام قادر على العمل المستقر طويل الأمد في البيئات الصناعية، ويلبي متطلبات الامتثال المستمر لمعيار ISO 4301 الخاص بتحديث سلامة آلات الرفع.

الأسئلة الشائعة حول دقة تموضع الرافعات