Proces systemu wykrywania powodzi, taki jak cztery różne rodzaje przetwarzania wstępnego, segmentacji, ekstrakcji cech i sieci neuronowej Contiguous deep Convolutional (CDCNN), zostal wykonany w celu identyfikacji uszkodzonego obszaru powodziowego. CDCNN implementacja proponowanych dużych zbiorów danych może automatycznie przechodzic przez histologiczną charakterystykę kilku warstw neuronów i posiada zdolnośc do implementacji nieliniowych funkcji decyzyjnych.Praca ta bada również i porównuje z możliwymi metodami dokladnej identyfikacji poprzez klasyfikację z proponowanymi szczególami CDCNN dotyczącymi RSI. Analiza wydajności proponowanego modelu jest weryfikowana w 2017 r. w środowisku laboratoriów matowych B. W oparciu o różne funkcje, takie jak precyzja, przywolywanie i analiza dokladności pomiarów F proponowanego systemu symulacji wydajności.
