用机器学习识别洪水
Flood CamML 是一个开源、可定制的 Web 应用，用于众包标注摄像头图像，并在应用中部署机器学习图像分类模型。项目最初面向道路浅层积水/洪水检测：通过 NCDOT 摄像头单张图片判断道路是否被淹。但文档也说明，它可用于任意 webcam 或图像分类模型，并提供 NC12 Flood CamML 示例。
它的核心流程是让用户对摄像头图片进行人工判断，再将响应免费记录到 Google Sheets 和 Drive；同时，开发者可以把自己的图像分类模型，或项目提供的 flood detection model，放入应用中进行分类。其优势在于把公众参与式标注、数据收集和 ML 模型部署放在同一套轻量应用里。正文未披露模型架构、准确率、推理速度、训练流程等关键信息，因此不能把它理解为已验证的高精度商业视觉模型。
项目为开源项目，未展示商业定价；记录用户响应可借助 Google Sheets/Drive 免费完成。易用性取决于使用者技术背景：文档包含创建仓库、Google services、定制应用、部署等教程，适合有 GitHub、Web 部署和 Google 服务配置经验的团队；对非技术用户而言，并不是即开即用工具。
优点是开源、成本低、可改造空间大，适合科研、交通、环境监测和公民科学项目。它不局限于洪水识别，也可迁移到其他摄像头图像分类任务。局限是缺少企业级能力说明，如权限管理、隐私合规、服务 SLA、API 文档和模型评测结果；数据依赖 Google Sheets/Drive，也意味着数据治理需要用户自行负责。
它适合高校/科研团队、公共部门、环境与交通监测项目，以及希望低成本搭建图像标注与分类演示系统的开发者。不太适合追求成熟商业支持、中文本地化或开箱即用 AI 视觉平台的企业。中国大陆访问方面，项目本身网站状态无法从正文判断，但其关键依赖 Google Sheets、Drive 与 GitHub，实际使用可能部分受限；可考虑 Label Studio、CVAT、Roboflow、Supervisely 等替代方案。
本测评基于公开资料整理,不构成购买建议,请以 floodcamml.org 官网实际信息为准。
开源/文档型ML洪水检测项目，可学习参考。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。