水庫是台灣公共給水系統中最重要的水源，然而因天然環境的因素以及集水區內人為的活動，使水庫持續有營養鹽入流，增加水庫水中營養鹽的濃度，再加上氣候變遷的影響，使得藻類在水庫中大量生長，增加藍綠菌(或稱藍綠藻)、毒素及臭味生成的風險，影響公共給水的安全與品質。由於民眾生活水準的提升及對人體健康議題的關切，水庫中藻類毒素及臭味物質，常引起民眾對安全用水的疑慮、且常是媒體報導的焦點。
鑒於藻類毒素影響人體健康甚為嚴重，世界衛生組織對於飲用水中藍綠菌之管理提出了建議，當藍綠菌數目每毫升有1個藻團粒、或5個絲狀藻(每毫升細胞數)時，為警戒等級，應每週持續監測；當綠菌數目大於2,000 cells/mL時，應以週為單位開始檢測毒素，且須對大眾發出戲水危害的通知；而當藍綠菌數目大於100,000 cells/mL時，未經處理的水已不適飲用，應更改替代水源，並對大眾發出進一步通知。
有效判斷水體中有藍綠菌的種類及數量，對水庫管理而言是非常重要的。以傳統監測方法而言，經採完水樣後，須送至有高階顯微鏡設備以及專業鑑定人員之實驗室進行分析。通常從水庫發現藻華開始，通報、採樣、運送樣品、鑑定與計數分析，至檢測結果的回報，往往需花費2-3天的時間。若水源中有害藍綠菌數量過多，不僅無法於第一時間掌握水庫的狀況、以採取應變措施，受污染的水更可能進入供水系統，增加民眾健康危害之風險。因此若結合藻類智慧辨識系統，快速判別出有害的藻類，將可大幅提高預警的可行性，並解決傳統分析方法耗費時間、及無法清楚分類藻種等缺點。
近年來，以機械學習方法的人工智能(Artificial Intelligence, AI)為基礎發展的關聯性分析、趨勢分析及影像辨識技術已有大幅進展，又稱深度學習(Deep Learning)。在各領域的數據不斷累積下，人工智能也得到良好的應用。水利署在108年度的「水庫有毒藻類監測及智慧辨識技術初期研究」的計畫中委託國立成功大學初步建立藻類辨識系統，系統中收集8類藍綠菌，共368個顯微影像，以供辨識模式學習之用。此系統需針對微觀(需藉由顯微鏡輔助觀察)的藻類進行辨識。同時，也規劃以網路平台界面，使物種影像，可以不斷累加、強化以類神經網路來建立辨識模式，進而在網路平台進行成果共享。
藻類辨識系統-辨識結果之介面
為持續優化、強化智慧辨識技術，大量的圖檔資料是必須的。當用戶上傳圖片後，系統會自行存檔以供強化深度學習用，並同時啟動運算辨識模組。當用戶輸入照片時，網路界面會顯示八種目標有害藻類的可能機率，同時也會顯示輸入影像及辨識可能機率大於90%之藻類代表影像。若輸入的影像為非目標藻種，雖然會顯示可能的藻種，但被辨識的最高可能率往往低於60%，因此仍可協助用戶進行藻種判斷。
目前此系統仍在持續優化中，期望未來能夠加入實務上，藻類判別及預警應用的行列，為民眾用水安全把關。