過去建構土地利用之自動化判釋相關技術，往往尚需人工介入協助確認判釋結果，然而集水區違規事件類型眾多且多元，利用過去傳統自動判釋技術，需花費更多人力確認違規狀態，不利水源保育，倘若能導入人工智慧，藉由人類經驗來協助土地利用判釋，即可提升變異點的搜尋能力。
近幾年由於資訊科技運算能力提升相當快速，讓深度學習技術興起，因此類神經網絡應用領域大幅擴展，尤其以卷積神經網絡(Convolutional Neural Network,CNN)為基礎之結構進行影像辨識更為突出，因此水利署利用此智慧判釋技術來評估土地利用判釋之適用性，藉以強化變異點搜尋能力。除了集水區變異前後的衛星影像，同時以無人載具拍攝高解析度影像進行訓練，輸入大量的影像資料至類神經網絡之中，透過數層的特徵(Feature)擷取，最後加以分類的技巧以識別影像，能夠有效處理複雜的影像，並具備學習能力，方便後續資料預測。
/圖1 卷積神經網絡模式架構
本次測試案例，整體土地利用推論模式建構(如圖1)，輸入為200*200之RGB三維矩陣，採用兩組卷積層及池化層針對航拍影像特徵進行擷取，並經轉換為平坦層連結至全連接前饋式類神經網絡，進行最後預測各類別百分比，測試結果顯示(如圖2)，模式對森林、交通或建物具一定敏感度；其他類別圖形特徵過多，以致推論模式敏感度較低，無法有效顯示其百分比。未來可加強蒐集違規案件鄰近空域航空拍攝照片，增加案例庫資料量級，讓訓練成果更為顯著，即能提升實務應用成果，成為智慧影像判釋之可行技術。
圖2 模式測試結果