Shazam na rostliny: která aplikace to opravdu umí

"Shazam na rostliny" je novinářská přezdívka, ne název produktu. Žádná firma si toto označení neregistrovala a každý, kdo tento výraz zadá do Googlu, skončí téměř vždy na stejném místě: u aplikace Pl@ntNet. Tuto francouzskou aplikaci spravují čtyři veřejné výzkumné instituce a média jí takto přezdívají nejméně od roku 2017.

Detaily, o kterých novináři už nepíší, najdete přímo v oficiálním popisu aplikace. Ve francouzštině se tam uvádí, že Pl@ntNet slouží pro rostliny "vivant dans la nature" (žijící v přírodě) a že určování pěstovaných rostlin "není jeho primárním účelem". Pokud máte rostlinu v květináči doma, aplikace s touto slavnou přezdívkou pro vás zkrátka není ta pravá.

Rychlé shrnutí:

• Tato přezdívka nikomu nepatří. V praxi vyhledávání vede k aplikaci Pl@ntNet, která dnes pokrývá 84 710 druhů a obsahuje více než 1,4 miliardy snímků od uživatelů.

• Oficiální popis aplikace Pl@ntNet ve francouzském App Store uvádí, že určování pěstovaných rostlin "není jejím primárním účelem". Byla vytvořena pro divokou flóru.

• Rostliny jsou technicky mnohem složitější než hudba. Shazam hledá přesnou shodu zvukové stopy, zatímco identifikátor rostlin dokáže pouze odhadovat pravděpodobnost.

• V terénu, u planě rostoucích rostlin, určí specializované identifikátory správný druh hned v prvním odhadu přibližně v 86 % případů (Hart et al., 2023). Neexistuje žádný publikovaný test s pěstovanými pokojovými rostlinami.

• Pro pokojové rostliny v bytě potřebujete aplikaci vyvinutou přímo pro tento účel. Bloom využívá k identifikaci technologii Plant.id, jejíž přesnost byla nezávislými univerzitami změřena na 93 %, má hodnocení 4,8 s více než tisícem recenzí a nabízí bezplatný režim.

Co je to "Shazam na rostliny"?

Jako "Shazam na rostliny" označují média jakoukoli aplikaci, která dokáže určit druh rostliny z fotografie, což odkazuje na známou aplikaci Shazam rozpoznávající hudbu podle zvuku. Nejde o žádnou konkrétní značku. Od roku 2017 se tato přezdívka drží hlavně aplikace Pl@ntNet, bezplatného projektu pro občanskou vědu, za kterým stojí francouzské výzkumné ústavy.

Odkud se přezdívka vzala

Shazam existuje od roku 2002 a podle společnosti Apple už překonal hranici 100 miliard rozpoznaných skladeb. Stal se univerzální zkratkou pro vysvětlení čehokoli, co identifikuje svět kolem nás pomocí mobilního telefonu.

Tato analogie se u rostlin uchytila. Australská Vogue použila v roce 2017 výraz „Shazam for plants“. Konbini napsal v roce 2019 v souvislosti s aplikací Seek „un Shazam pour identifier les plantes“. Deník 20 Minutes publikoval v dubnu 2026 reportáž, ve které označil Pl@ntNet za „le Shazam des plantes“. V Brazílii použil stejné slovní spojení server ArchDaily, rovněž v souvislosti s aplikací Pl@ntNet.

Tuto analogii ale nikdo pořádně neprověřil a v praxi naráží na dva zásadní problémy.

Proč je rostlina těžší než písnička

Rozdíl je v materiálu, který mají systémy k dispozici pro porovnání.

Hudba má originál. Rostlina ho nemá. Algoritmus, který Shazam používá dodnes, publikoval Avery Wang v roce 2003 (PDF do artigo original). Ten redukuje zvuk na dvojice frekvenčních špiček, převádí tyto dvojice na kódy a hledá přesnou shodu v katalogu. Funguje to proto, že nahrávka je neměnný objekt: stejná skladba hraje identicky v rádiu, ve sluchátkách i v hlučném baru. Shazam hudbu nehádá, on ten soubor znovu nachází.

Rostlinný druh žádný pevný soubor nemá. Stejný šplhavník vypadá jinak podle ročního období, stáří, světla i toho, jak moc ho stříháte. Mladý list monstery nemá žádné otvory a vůbec se nepodobá dospělému listu téže rostliny. Šlechtěné kultivary mění barvu a vzor listů, přestože jde o stále stejný botanický druh.

Různé druhy si bývají velmi podobné. Sám Pl@ntNet v popisu varuje, že existuje mnoho rostlin, které z dálky vypadají stejně, a k rozlišení dvou druhů stejného rodu jsou někdy potřeba drobné detaily. V hudbě dvě různé skladby nikdy nemají stejný otisk. V botanice mohou dva celé rody rozlišovat jen chloupky na stonku.

Proto vám identifikátor rostlin nabídne seznam možných kandidátů s procentem spolehlivosti, zatímco Shazam vrátí jedno jediné jméno. Procento vyjadřuje míru jistoty, kterou systém při odhadu má.

U Shazamu na kvalitě nahrávky téměř nezáleží. U aplikací na rostliny tvoří vaše fotka polovinu úspěchu.

Která aplikace je ten pravý "Shazam na rostliny"

O tuto přezdívku soupeří pět nástrojů, z nichž každý byl vytvořen k jinému účelu. Žádný z webů, které tento pojem šíří, je přitom přímo nesrovnává.

Dados das fichas oficiais das lojas e dos sites dos apps, consultados em 22 de agosto de 2026.

Pl@ntNet je upřímně silný v tom, co si předsevzal. Spravují ho CIRAD, INRAE, INRIA a IRD, pokrývá 84 710 druhů v 77 flórách a každá nahraná fotografie se stává vědeckým údajem o biologické rozmanitosti. Nemá žádnou platební bránu a neslouží jako návnada na předplatné. Jeho cílem je však inventarizace světové flóry, nikoli zjišťování názvu květináče na vaší polici.

Google Lens je nejdostupnější, protože ho už máte v telefonu. Zároveň je ale v oblasti rostlin nejméně přesný a je dobré vědět, kde Google Lens funguje a kde selhává, než začnete věřit jeho prvnímu odhadu. Pokud chcete mít kompletní přehled, sestavili jsme seznam, kde najdete nejlepší aplikace na rozpoznávání rostlin s jejich výhodami.

Háček: aplikace s touto přezdívkou vznikla pro divoké rostliny

A ficha oficial do Pl@ntNet na App Store francesa, palavra por palavra:

"Pl@ntNet permet d'identifier et de mieux connaître toutes sortes de plantes vivant dans la nature (...) Pl@ntNet peut aussi identifier un grand nombre de plantes cultivées (dans les parcs et jardins) mais ce n'est pas sa vocation première."

V češtině: Pl@ntNet určuje všechny druhy rostlin žijících v přírodě a také určuje mnoho rostlin pěstovaných v parcích a zahradách, „ale to není jeho prvořadým posláním“. To píší sami tvůrci v popisu aplikace a žádný z textů, které aplikaci přezdívaly Shazam na rostliny, tuto větu necituje.

Dokumentace projektu vysvětluje proč. Pl@ntNet vyhledává v rámci „flór“, což jsou seznamy druhů podle geografických oblastí. To je vynikající pro planě rostoucí rostliny, které mají své teritorium, a málo užitečné pro okrasné rostliny, jejichž původ bývá velmi daleko od místa, kde se pěstují. Váš šplhavník pochází z Polynésie a stojí na polici v São Paulu. Žádná regionální flóra s tím nepočítá.

Výzkumy to potvrzují. V terénním testu z roku 2023 s 857 fotografiemi vědci záměrně vyřadili nepůvodní druhy z parků a zahrad. To znamená, že vysoká čísla úspěšnosti, která se u těchto aplikací uvádějí, byla naměřena v lesích, na loukách a u cest. Pokud chcete používat Pl@ntNet, ale vaše rostlina je pokojovka, podívejte se na alternativy k Pl@ntNet určené pro pěstované rostliny.

Jak vyfotit rostlinu, aby ji aplikace poznala

Toto pravidlo platí pro všech pět nástrojů. Protože systém pravděpodobnost odhaduje, kvalita fotky ovlivní výsledek více než výběr samotné aplikace.

1. Vyfoťte konkrétní část, ne celou rostlinu. Květ, plod a list nesou téměř všechny informace o druhu. Snímek celého květináče sice vypadá kompletně, ale pomůže nejméně.

2. Izolujte list proti jednobarevnému pozadí. Položením listu na bílý papír odstraníte rušivé prvky z pozadí, na kterých se algoritmus často plete.

3. Pojďte dostatečně blízko, aby byla vidět žilnatina a okraj. Právě tyto detaily odlišují druhy v rámci stejného rodu.

4. Pokud to aplikace umožňuje, pošlete více fotek. Pl@ntNet i Bloom dovolují nahrát snímky z více úhlů, což pomáhá upřesnit výběr.

5. Dejte přednost světlu z okna před bleskem. Blesk může zkreslit barvu listu a vymazat kresbu žilnatiny.

6. Prohlédněte si prvních 5 návrhů, ne jen ten první. V terénní studii z roku 2023 tento přístup zvýšil úspěšnost Google Lens z 57 % na 74 %.

Pokud rostlina nekvete, což pokojovky dělají málokdy, zaměřte se na detail listu z dostatečné blízkosti, aby vynikla žilnatina. Ve studii PLOS ONE mělo všech šest testovaných aplikací lepší výsledky s květem než s listem. Bez květu je dobře vyfocený list tím nejlepším vodítkem, které zbývá.

Mezi rostliny, které lidé nejčastěji fotí bez znalosti názvu, patří ty nejběžnější pokojovky:

Jméno je jen polovina toho, co potřebujete

Druhý zádrhel analogie se Shazamem se objeví hned po získání odpovědi.

Když vám Shazam prozradí název písničky, máte hotovo. Chtěli jste název, dostali jste ho a pustíte si hudbu. Když vám aplikace na rostliny oznámí, že vaše rostlina je Epipremnum aureum, nic se tím nevyřešilo. Název sám o sobě nestačí. Chtěli jste vědět, proč jí žloutnou listy, jak často ji zalévat a zda není nebezpečná pro kočku.

Proto Pl@ntNet nebo Seek, i když jsou skvělé pro identifikaci, nechávají pěstitele na půli cesty. Byly navrženy pro mapování divoké přírody, ne pro péči o rostliny doma. Po určení názvu jste na všechno sami.

Bloom tento kruh u pokojových rostlin uzavírá. Identifikuje rostlinu podle fotky pomocí technologie Plant.id s přesností 93 % ověřenou nezávislými univerzitami a na základě názvu rovnou sestaví plán zalévání a světelných podmínek pro daný druh. V bezplatném plánu nabízí 2 identifikace měsíčně a kalendář zalévání. Diagnostika chorob z fotky, která porovná nemocný list s databází známých případů, je součástí verze Premium. Aplikace má hodnocení 4,8 a více než tisíc recenzí.

Pokud už název znáte a trápí vás spíše zdravotní stav rostliny, podívejte se, co vaší rostlině chybí podle toho, jak vypadají její listy.

Jaká je skutečná úspěšnost těchto aplikací

Dvě recenzované studie z roku 2023 představují nejlepší dostupná veřejná data.

V terénní studii publikované v časopise People and Nature (DOI 10.1002/pan3.10460) pořídilo šestnáct ekologů 857 fotografií na vlastní mobilní telefony, přičemž zaznamenali 277 druhů. Pl@ntNet určil správný druh jako první návrh u 86,6 % fotografií a mezi prvními 5 návrhy měl správný druh v 95 % případů. Google Lens dosáhl úspěšnosti 57 % u prvního návrhu.

Vědecká studie v časopise PLOS ONE (DOI 10.1371/journal.pone.0283386), která zkoumala 38 bylinných druhů vyfotografovaných v jejich přirozeném prostředí, všechny stejným zařízením a bez úpravy snímků, ukázala, že Pl@ntNet určil správně 88,21 % rostlin podle květu a 80,36 % podle listu, zatímco Google Lens dosáhl úspěšnosti 67,86 % a 55,00 %.

Dvě důležitá upozornění:

Výsledky z různých studií nelze přímo srovnávat. Každá práce používá jinou flóru, vzorky i kritéria hodnocení. Výše uvedená srovnání jsou platná pouze proto, že probíhala v rámci stejného výzkumu. Srovnávat úspěšnost jedné aplikace z jedné studie s úspěšností jiné aplikace z jiné studie nedává smysl.

Žádný z těchto testů neměřil úspěšnost u pokojových rostlin. Oba výzkumy se zaměřily na divoké rostliny v terénu a jeden z nich záměrně vyloučil zahradní druhy. Pro šplhavníky, zamiokulkasy nebo monstery v květináči žádný publikovaný test neexistuje. Pokud někdo uvádí přesná čísla úspěšnosti pro pokojovky, jde o pouhý odhad, a je fér to přiznat.

Často kladené otázky

Existuje opravdu Shazam na rostliny?

Ne jako konkrétní produkt. Je to pouze novinářská přezdívka pro aplikace, které určují druhy z fotek. V praxi se tak nejčastěji označuje Pl@ntNet, který tuto přezdívku získal již v roce 2017. Přirovnání sice dobře zní, ale technicky neplatí: Shazam hledá přesnou shodu nahrávky, zatímco aplikace na rostliny odhaduje pravděpodobnost.

Jaká je nejlepší bezplatná aplikace na rozpoznávání rostlin?

Záleží na tom, kde rostlina roste. Pro divoké rostliny v přírodě je nejpřesnější bezplatnou volbou Pl@ntNet, který má v terénních testech úspěšnost 86,6 % u prvního odhadu. Pro pokojové rostliny doma zvolte aplikaci určenou pro pěstované druhy, jako je Bloom, která má také bezplatný režim.

Jak zjistit název rostliny z fotky?

Vyfoťte detail, nejlépe květ, plod nebo list, na jednobarevném pozadí a při přirozeném světle z okna. Nahrajte fotku do vybrané aplikace a projděte si prvních pět návrhů, ne jen ten první. Podle studií zohlednění pěti nejlepších výsledků zvyšuje úspěšnost přibližně o 17 procentních bodů.

Je Pl@ntNet zdarma?

Ano. Je spravován čtyřmi francouzskými veřejnými výzkumnými ústavy (CIRAD, INRAE, INRIA a IRD) a funguje jako projekt občanské vědy. Fotografie, které nahrajete, slouží jako vědecká data o rostlinné rozmanitosti. Na oplátku je však navržen pro divokou flóru, nikoli pro vaše pokojovky.

Umí Google rozpoznat rostlinu z fotky?

Ano, pomocí funkce Google Lens, která je zdarma a v systému Android nevyžaduje instalaci dalších aplikací. V terénním testu s 857 fotografiemi určil správný druh hned napoprvé v 57 % případů, zatímco Pl@ntNet dosáhl ve stejné studii úspěšnosti 86,6 %. Je to nejpohodlnější, ale také nejméně přesná volba ze všech.

Závěr

Aplikace, která si vysloužila tuto přezdívku, byla vytvořena pro divokou přírodu a sama to uvádí ve svém popisu.

Další krok závisí na tom, kde se vaše rostlina nachází. V přírodě použijte Pl@ntNet a foťte detaily květů nebo listů. V bytě zvolte identifikátor specializovaný na pěstované druhy, který vám po určení názvu pomůže i s péčí. Bloom toto splňuje, funguje na iPhonech i iPadech a začít můžete v bezplatném režimu.