除了对喷射过程进行实时可视化外，TPDS 还提供自动检测算法，使系统能够在早期阶段识别与喷枪和风口有关的潜在危险现象，并向相关操作人员发出警报。此外，TPDS 还能与高炉控制系统自主互动，启动即时行动以保护设备的完整性。
人工智能将旧流程提升到新水平
保尔沃特在市场上推出了 TPDS 系统，并看到它在实际应用中取得了巨大成功，但是系统还有进一步改进的潜力，保尔沃特将目标锁定在传统软件开发方法通常难以解决的领域，通过混合使用人工智能技术，开辟了一系列不同的可能性。
迄今为止，TPDS 现象检测系统一直采用传统的计算机视觉技术来检测与风口有关的新问题。传统的计算机视觉技术通常依赖于手工算法，这些算法已针对受控的小型图像集进行了微调。因此，实地性能取决于是否有足够多的图像与这些算法所优化的图像集相近。虽然 TPDS 硬件提供了所有便于机械调整摄像机视角和清除视觉障碍物的方法，但在实践中并不总是能够获得接近于这种受控集的图像，从而导致探测性能下降。虽然传统的计算机视觉方法并不一定无法解决此类问题，但机器视觉领域的最新进展表明，涉及高变异性的任务通常更适合采用机器学习技术来处理。
TPDS系统涉及到了工艺、设备和维护专家的领域，因此必须将这些领域的专业知识纳入其检测逻辑和决策中。这些专业知识由客户和/或保尔沃特的领域专家提供。各行各业都有软件开发项目失败的记录，原因是领域专家和软件开发团队之间存在高度摩擦，导致成本过高或解决方案不理想。保尔沃特公司正在通过其DataXpert 平台解决这一问题，该平台提供了一套直观、易用且功能强大的低代码工具，使领域专家能够将其专业知识数字化。利用低代码原则，没有编码背景或几乎没有编码背景的人只需稍加培训就能使用这些工具。在检测与风口或喷枪相关的现象时，DataXpert 已被用于整合其他领域的知识。
作为TPDS系统补充的机器视觉管线
为了将机器学习和额外的领域知识结合起来，保尔沃特开发了现有 TPDS 系统的附加功能--机器视觉管线。 该处理管线将语义分割应用于摄像机视频流，并采用机器学习算法在像素级别上将图像分类为不同的关注区域：炉缸、风口、喷枪和喷射。其他转换步骤利用了对图像的语义理解，原始图像中包含的信息被转换成可显示为时间序列数据的结构化格式。
利用 DataXpert 平台的规则逻辑引擎 RulesXpert，将高级领域知识数字化为基于规则的逻辑。该逻辑融合了从工厂收集的传感器数据和机器学习算法生成的时间序列数据，从而显著提高了异常检测性能。
这些改进是在不改变现场底层摄像设备的情况下实现的，只需升级服务器硬件（增加计算资源）和 TPDS 软件，即可轻松升级现有的 TPDS 装置。
联系人：Marc Weydert、Pierre Van Dorpe、Steve Czarnuch、Aissatou Ndiaye Ba、Madita Bayer