近年來短延時強降雨造成都市地區積淹水時有所聞，為快速了解哪些地方會發生災情，以往透過感測器、路口攝影機透過人工觀看以利快速派遣人員至現場管制交通與清淤或抽水工作，本技術為將桃園市政府水務局現有攝影機透過輪胎淹水高度辨識以及在影像畫設虛擬水尺，當淹水範圍與虛擬水尺交疊處進行淹水高度計算，如無法畫設虛擬水尺則也可透過輪胎淹水高度計算淹水高度，或是計算淹水範圍於畫面中的比例找出是否積淹水達到自動回報系統後端通知人員觀看現場CCTV，快速部署與通知有關人員進行後續處理。

本技術透過「深度類神經網路」中的「物件辨認」與「標記」等演算法進行影像判釋，主要目的為辨識車輛載具等行經道路時之淹水深度 ，因此在演算法挑選上需針對能夠用於影像處理之演算法，如SSD、DSSD、Fast R-CNN、Faster R-CNN、Mask R-CNN、R-FCN、FPN FRCN、Retinanet、YOLO等，經本團隊研析上述演算法後，決定Faster-RCNN在道路淹水檢測裡用來檢測輪胎目前是哪類淹水層級，類別為0~10cm的輪胎、11~20cm輪胎、21~40cm輪胎和41~60cm輪胎。

另外FCN是對圖像進行像素級分類，並保留了原始影像的空間訊息，故用此演算法計算水波紋範圍(斑馬線、路旁標線、路緣石)，找出淹水範圍後，再針對由使用者劃設虛擬水尺，找出交點，以此計算淹水高度，此方法對於路面淹水、水庫、橋梁水位高度皆相當適用且有效。

以往透過線性規劃方式計算淹水高度都有其侷限性，本技術突破在於整合路口攝影機影像與使用者自行畫設虛擬水尺，透過融合兩種AI影像辨識技術，可以作為路口淹水、水庫水位、橋梁水位同樣適用，並透過訓練樣本訓練達到準確度90%以上的水準，對於商業價值與防災應用具有高度實用性。

目前已經實際應用於桃園市政府水務局路口淹水影像辨識、水利署-河川水位辨識，並提供一個即時分析平台，可以動態更新model，達到影像即時回饋機制，能不斷強化model辨識能力，當辨識完成發現達到警戒值能自動發送通報，對於實務上有極大的助益。