Identificación de plantas por IA: cómo funciona y qué tan precisa es
La IA identifica la especie de una planta por foto comparando patrones visuales, y su precisión cambia según la imagen. Mira lo que midieron cuatro estudios científicos, por qué la corteza falla más que la hoja y por qué la planta de tu departamento es el reto más difícil.
La identificación de plantas por IA es el reconocimiento de la especie de una planta viva a partir de una foto: el programa compara los patrones visuales de la imagen (el contorno y las nervaduras de la hoja, la forma de la flor, la textura de la corteza) con millones de fotos ya identificadas por botánicos y devuelve una lista de posibles candidatas, de la más probable a la menos probable. Nada en este proceso implica que la IA realmente entienda a la planta.
En estudios científicos revisados por pares publicados entre 2020 y 2025, las apps acertaron la especie en su primera sugerencia entre el 17% y el 90% de las fotos, y gran parte de esa diferencia no se debe a la app: depende de lo que fotografiaste. La misma cámara, la misma planta y la misma aplicación cambian de resultado si la foto es de la corteza en lugar de la hoja, o si la planta está floreciendo.
Resumen rápido:
En el estudio de 55 especies de árboles de Schmidt y colaboradores (2022), la app más precisa acertó la especie en el 83.86% de las fotos de hojas y en el 51.82% de las fotos de corteza. Son 32 puntos de caída con la misma planta y la misma app.
En 560 fotos de plantas herbáceas irlandesas (Campbell, Peacock y Bacon, 2023), todas las apps evaluadas funcionaron mejor con flores que con hojas, con diferencias de 6 a 29 puntos.
Ningún estudio publicado hasta la fecha ha medido la precisión en plantas de interior cultivadas. Las pruebas existentes se realizaron en árboles urbanos, flora silvestre y plantas de campo.
El cultivar no es una especie: para el modelo, una Monstera 'Thai Constellation' y una 'Albo' son la misma planta.
El resultado de una app no sirve como veredicto de seguridad. En una prueba publicada en Clinical Toxicology (2023), 5 de 11 especies tóxicas fueron señaladas como comestibles por al menos una de las apps.
Qué hace realmente la IA cuando fotografías una planta
Un identificador de plantas por IA no sabe botánica. Es un modelo de visión computacional entrenado con una base de datos de fotos ya identificadas, y lo que hace es medir similitudes: traduce tu foto en una lista de valores numéricos (bordes, curvas, texturas, proporciones) y busca en su base de datos las especies cuyas fotos generan valores parecidos. El resultado es una lista de candidatas con un nivel de confianza para cada una.
Esto tiene cuatro consecuencias prácticas que explican casi cualquier error que vayas a ver:
Lo que no está en la base de datos no se puede reconocer. Pl@ntNet, que es el mayor proyecto abierto del área, publica sus propios números: 84,710 especies y más de 1.47 mil millones de imágenes, distribuidas en 77 floras regionales. Es mucho, y aun así es una fracción de las cerca de 400 mil especies de plantas con flor descritas en el mundo.
El nivel de confianza mide similitud, no la verdad. Un porcentaje alto significa "esta foto se parece mucho a las fotos de esta especie en mi base de datos". Si la especie correcta no está registrada, el modelo te mostrará con total confianza la opción más parecida que tenga.
La parte de la planta importa más que la app. Cada órgano aporta una cantidad diferente de información taxonómica, y el modelo solo puede trabajar con lo que se ve en la foto.
El modelo es un promedio. Se entrenó con fotos de plantas adultas, sanas y en el entorno donde suele crecer esa especie. Mientras más se aleje tu caso de ese escenario, más fácil será que falle.
El propio Pl@ntNet dice la frase que ninguna página de producto se atreve a poner: "como cualquier modelo de IA, Pl@ntNet no es infalible".
Qué tan precisa es la identificación por IA, según los expertos
En cuatro estudios científicos revisados por pares publicados entre 2020 y 2025, las apps de identificación de plantas por IA acertaron la especie en su primera opción entre el 17% y el 90% de las fotos, según la app, la flora evaluada y la parte de la planta fotografiada. La precisión al identificar el género siempre es mayor que al identificar la especie.
Abajo se muestran los resultados de cada uno. Estos estudios utilizaron floras, muestras y criterios distintos, por lo que los números solo deben compararse dentro de cada fila, nunca entre filas. Una app que aparece con 83% en un estudio de árboles de Nueva Jersey no es necesariamente "mejor" que otra con 57% en un estudio de flora británica.
Estudio | Muestra | Qué midió |
|---|---|---|
9 apps, 38 imágenes de flora británica, 5 repeticiones cada una | Plant.id quedó en primer lugar: 57% de precisión para la especie y 70% para el género. Pl@ntNet obtuvo 39%, Seek 35% y PlantSnap 24% | |
6 apps, 440 fotos, 55 especies de árboles de Nueva Jersey | Con fotos de hojas, PictureThis acertó el 97.27% del género y el 83.86% de la especie. iNaturalist quedó en segundo lugar, con 92.27% y 69.55% | |
6 apps, 560 fotos, 38 especies herbáceas irlandesas | Con flores, Pl@ntNet acertó el 88.21% y LeafSnap el 83.57%. Con hojas, las mismas apps cayeron al 80.36% y 77.14% | |
flora urbana escocesa | Pl@ntNet y Flora Incognita obtuvieron entre el 80% y el 90% de aciertos de especie, mostrando una mejora de unos 20 puntos en tres años |
Dos patrones se repiten en los cuatro trabajos. El primero es que las apps mejoraron rápido: la diferencia entre el estudio de 2020 y el de 2025 es demasiado grande para ser casualidad. El segundo es que el encuadre afecta el resultado dentro de una misma app tanto como la distancia que separa a las apps líderes: en el estudio de Schmidt, cambiar de hoja a corteza le costó 32 puntos a la app más precisa, más del doble de los 14 puntos que la separaban del segundo lugar.
La app que descargas casi nunca es la que realiza el reconocimiento en sí. Muchas de ellas utilizan un motor de terceros detrás de la pantalla. Bloom identifica a través de Plant.id, el mismo motor que quedó en primer lugar en el estudio de Jones (2020) y que hoy aparece como el primer resultado de Google al buscar servicios de identificación de plantas, con un 93% de precisión comprobada por universidades independientes. Este número pertenece al motor de reconocimiento, no a la aplicación completa, y así es como debe interpretarse en cualquier app que use el mismo proveedor.
Por qué la foto de la corteza falla mucho más que la de la hoja
La foto de la corteza es el peor encuadre posible para un identificador de plantas por IA. En el estudio de Schmidt y colaboradores (2022), las mismas 55 especies fueron fotografiadas dos veces, una por la hoja y otra por la corteza, con el mismo dispositivo y por los mismos evaluadores. La caída en la precisión es muy clara:
App | Hoja (género) | Hoja (especie) | Corteza (género) | Corteza (especie) |
|---|---|---|---|---|
PictureThis | 97.27% | 83.86% | 65.45% | 51.82% |
iNaturalist | 92.27% | 69.55% | 48.18% | 31.82% |
Son 32.04 puntos de caída en la especie con PictureThis y 37.73 con iNaturalist. El resumen del estudio lo explica directamente: "these apps are much more accurate in identifying leaf photos as compared to bark photos" (estas apps son mucho más precisas al identificar fotos de hojas en comparación con fotos de corteza).
La razón es botánica, no informática. La hoja tiene características que realmente distinguen a las especies: el contorno, el tipo de margen (liso, aserrado, lobulado), el patrón de las nervaduras y el punto donde se une el pecíolo. La corteza solo ofrece textura, y la textura de la corteza cambia con la edad del árbol, la humedad del día, los líquenes y hongos que crecen encima, y hasta con el lado del tronco que fotografiaste. Dos especies distintas pueden tener cortezas casi idénticas a los 20 años, mientras que una misma especie cambia por completo de corteza entre los 5 y los 50 años.
La misma planta, si tiene flores, cambia por completo el resultado
La flor es el encuadre que más información aporta para la identificación por IA, y la diferencia es tan grande que debería influir en tu decisión de cuándo tomar la foto. En el estudio de Campbell, Peacock y Bacon (2023), se tomaron 560 fotos de 38 especies herbáceas, la mitad enfocando la hoja y la otra mitad enfocando la flor, con el mismo teléfono y sin editar las imágenes. Estos fueron los resultados de cada app:
App | Flor (1.ª sugerencia correcta) | Hoja (1.ª sugerencia correcta) |
|---|---|---|
Pl@ntNet | 88.21% | 80.36% |
LeafSnap | 83.57% | 77.14% |
Google Lens | 67.86% | 55.00% |
Seek | 52.14% | 22.86% |
PlantSnap | 35.71% | 17.14% |
El efecto aparece de nuevo, de forma independiente, en Hart et al. (2023), People and Nature 5(2), que registra: "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (las aplicaciones de peor rendimiento fueron significativamente mejores cuando había una flor presente).
La explicación es la misma que con la corteza. La flor es la estructura que la botánica ha utilizado durante tres siglos para clasificar las plantas, ya que el número de pétalos, la simetría, la posición de los estambres y la forma del cáliz son constantes dentro de una misma especie y distintos entre especies diferentes. La hoja es mucho más ambigua: hay decenas de especies de aráceas con hojas verdes, brillantes y ovaladas que se ven casi iguales.
El teléfono, la cuna de Moisés, la costela de Adán, los helechos y la espada de San Jorge rara vez o nunca florecen dentro de un departamento. Quien fotografía plantas de interior casi siempre lo hace en el escenario donde es más difícil acertar.
Por qué la planta de tu departamento es el caso más difícil
Las plantas de interior cultivadas representan el escenario más difícil para la identificación por IA debido a tres factores que se acumulan: no se han evaluado en estudios publicados, suelen ser cultivares que la taxonomía no distingue de la especie original y casi nunca tienen flores.
Ningún estudio publicado ha evaluado plantas de interior cultivadas. Vale la pena revisar qué analizó cada uno: Schmidt y colaboradores (2022) probaron árboles urbanos y boscosos de Nueva Jersey; Campbell, Peacock y Bacon (2023) analizaron herbáceas de campos irlandeses; Jones (2020) usó flora británica y Hart et al. (2023) estudiaron flora silvestre del Reino Unido, excluyendo a propósito las especies exóticas de parques y jardines. Cuando lees que "las apps aciertan el 85%", ese porcentaje se midió con vegetación silvestre o árboles de exterior, no en tu sala.
El cultivar no es una especie, y el modelo solo entiende de especies. La planta que compraste en el vivero suele ser una selección hortícola con un nombre comercial. Una Monstera deliciosa 'Thai Constellation' y una 'Albo Borsigiana' son, taxonómicamente, la misma especie: lo que cambia es una mutación en el patrón de variegación, que es justo lo que tú usas para diferenciarlas y lo que el modelo aprendió a ignorar para no confundirse con cambios de luz. Como no hay una categoría separada en la base de datos para la mayoría de los cultivares, la app acertará la especie pero fallará en decirte exactamente cuál variedad tienes en las manos.
Las plantas de casa suelen estar fuera del estándar de entrenamiento. Las fotos de referencia muestran plantas adultas, completas y en su hábitat. La tuya probablemente está en una maceta pequeña, podada, inclinada hacia la ventana, con hojas nuevas más chicas de lo normal, tal vez con las puntas secas y sin flores. Cada uno de estos detalles aleja la imagen de lo que el modelo vio durante su entrenamiento, y estos factores se van sumando.
La app sigue siendo muy útil para las plantas de interior, pero debes saber que los porcentajes de éxito publicados representan el límite máximo, no el promedio de tu experiencia del día a día, por lo que confirmar el resultado es todavía más importante aquí que en el campo.
Cuando el error sale caro: plantas tóxicas y mascotas
La identificación de plantas por IA no es confiable para decidir si una planta es tóxica. En un estudio publicado en Clinical Toxicology 61(7) en 2023, 5 de 11 especies potencialmente tóxicas fueron identificadas como comestibles por al menos uno de los apps evaluados. El estudio de Campbell, Peacock y Bacon incluyó dos plantas tóxicas y llega a la misma conclusión, en una frase que vale la pena citar completa:
"They should not be trusted to identify toxic species." No se debe confiar en ellos para identificar especies tóxicas.
La regla práctica es simple: usa la app como primer filtro y confirma la especie en una fuente botánica antes de dejar la planta al alcance de un gato, perro o niño, y nunca ingieras nada con base en la identificación por foto. Dos de las plantas de interior más comunes en Brasil están entre las tóxicas para mascotas:
Cómo tomar fotos para que la IA acierte más
El encuadre de la foto influye más en el resultado de la identificación por IA que la propia aplicación que elijas. Aquí tienes seis reglas respaldadas por datos de estudios científicos:
Si tiene flor, fotografía la flor. Es la diferencia de entre 6 y 29 puntos que muestra la tabla de PLOS ONE para una misma app.
Prefiere siempre las hojas antes que la corteza. Representa hasta 32 puntos de diferencia para identificar la especie en el estudio de Schmidt y colaboradores.
Un solo órgano por foto. Enfoca una hoja o una flor completa ocupando la pantalla, evita tomar la planta completa desde lejos.
Fondo despejado. Sostener la hoja sobre una hoja de papel blanco o sobre la palma de tu mano elimina elementos que el modelo podría confundir como parte de la planta.
Acércate lo suficiente para que se vean las nervaduras. El patrón de las nervaduras representa la mitad de la información taxonómica que ofrece la hoja.
Revisa las primeras 5 opciones, no solo la primera. En el estudio de Hart et al. (2023), la precisión promedio de las apps subió del 69% en la primera sugerencia al 85% al considerar las primeras cinco. La especie correcta suele estar en esa lista, aunque no aparezca al principio.
Si la aplicación lo permite, sube varias fotos de la misma planta mostrando diferentes partes. Las herramientas que aceptan múltiples imágenes combinan la información de cada toma para dar un resultado mucho más preciso.
¿Hay opciones gratuitas para identificar plantas por IA?
Sí, existen tres alternativas diferentes.
Gratuito sin límite, de origen académico. Pl@ntNet es un proyecto de investigación pública francesa y no cobra nada. Es el más fuerte en planta silvestre y nativa, muestra el grado de confianza y ofrece candidatas alternativas en lugar de asegurar una sola. No realiza cuidados ni recordatorios.
Gratuita e integrada en el teléfono. Google Lens está disponible dentro de la app de Google y de Chrome, funciona tanto en Android como en iPhone y no tiene un límite conocido de búsquedas. En los dos estudios donde se evaluó, obtuvo entre un 55% y un 68% de aciertos en la primera sugerencia, quedando por detrás de las aplicaciones diseñadas exclusivamente para plantas. El proceso completo lo explicamos en cómo identificar plantas con Google Lens.
Modo gratuito con límite de uso dentro de una app de cuidado. En este caso la oferta varía mucho y la mayoría de las apps de identificación no ofrecen un modo gratuito. Bloom sí lo tiene: te permite hacer 2 identificaciones al mes y usar la agenda de riego sin límite de tiempo. Para comparar lo que ofrece cada opción, puedes revisar la lista completa en las mejores apps para identificar plantas.
Preguntas frecuentes
¿Existe alguna herramienta de IA gratuita para identificar plantas?
Sí. Pl@ntNet es completamente gratuita y sin límites por ser un proyecto de investigación científica, y Google Lens viene integrado en la app de Google y en Chrome. También existen apps de cuidado con opciones gratuitas limitadas, aunque son las menos comunes. Ninguna de ellas te cobrará por tu primera consulta.
¿Cuál es la app de identificación de plantas más precisa?
Depende de lo que vayas a fotografiar; la verdad es que no hay una sola ganadora. Cada estudio científico evaluó una flora distinta: PictureThis lideró en árboles de Nueva Jersey, Pl@ntNet en herbáceas irlandesas y Plant.id en flora británica. No tiene sentido comparar los porcentajes entre estudios diferentes.
¿La IA identifica las plantas de interior tan bien como las silvestres?
No hay estudios publicados que midan esto directamente. Todas las pruebas científicas se realizaron con árboles urbanos o flora silvestre, y una de ellas incluso excluyó deliberadamente las plantas de jardín. Las plantas de casa suelen ser cultivares sin flores y con características distintas a los estándares de entrenamiento, lo que suele reducir la precisión.
¿La app puede decirme qué variedad exacta es mi planta?
Rara vez. Los cultivares como 'Thai Constellation' o 'Pink Princess' pertenecen a la misma especie que su versión común, y su diferencia radica en una variación de color que el modelo suele interpretar como un simple reflejo de luz. Lo normal es que obtengas el nombre de la especie, no de la variedad comercial.
¿Puedo usar la identificación por IA para saber si una planta es tóxica?
Como una primera referencia, sí. Como una decisión definitiva, no. En una prueba de 2023 publicada en Clinical Toxicology, 5 de 11 especies tóxicas fueron catalogadas como comestibles por al menos una app. Confirma siempre la especie en una fuente botánica antes de dejarla cerca de tus mascotas o niños.
Conclusión
Lo que define el éxito de la identificación es la calidad de la foto que tomas. Dentro de la misma app y con la misma planta, cambiar de corteza a hoja puede aumentar la precisión hasta en 32 puntos, y pasar de hoja a flor puede mejorarla hasta en 29 puntos. Ajustar el encuadre es el único factor que realmente controlas, y te dará mejores resultados que estar cambiando de app. Si tu planta es de interior, recuerda que ningún estudio científico ha evaluado este escenario específico, así que toma el nombre que aparezca en pantalla como una buena hipótesis y no como una verdad absoluta.
El siguiente paso práctico es tomar otra foto aplicando las seis reglas que mencionamos y ver si el resultado se mantiene. Si la especie cambia entre dos buenas fotos de la misma planta, significa que el modelo no está seguro y vas a necesitar una segunda opinión.
Cuando la verdadera duda después de saber el nombre es "¿y ahora qué cuidados necesita?", el nombre por sí solo no ayuda mucho. Ahí es donde entra una app que te acompaña después de la identificación, ayudándote con el riego y la iluminación que requiere esa especie en particular. Bloom hace justamente eso, utiliza el motor de Plant.id para identificar y está disponible exclusivamente para iPhone.
Si tu problema no es una planta desconocida sino una planta enferma, el camino es diferente: puedes empezar por descubrir qué le pasa a tu planta.
Artículos relacionados
Cómo reproducir peperomia sandía: la nueva planta nace del corte
Basta una sola hoja para reproducir una peperomia sandía, y lo que se convierte en planta no es la hoja: es un brote que nace en la base del tallito enterrado. Te explico por dónde cortar, por qué las raíces salen mucho antes que la primera hojita y qué hacer durante las semanas de espera.
Nochebuena perdiendo hojas: las 6 causas reales y qué hacer
Antes de echarle agua, revisa cuál de estas seis causas tienes enfrente. La envoltura de plástico tira hojas por una reacción química, y el error que cometes justo después es lo que termina matándola.
Cada cuánto regar la peperomia: cuánta agua necesita, por dónde echarla y el cambio en invierno
No hay un calendario fijo para regar la peperomia, y buscar una fecha exacta suele terminar en plantas ahogadas. Lo que manda es cuánta agua entra, por dónde se aplica y que pueda salir por el drenaje. Aquí te explico cómo distinguir el exceso de la falta de agua, cuál usar y cómo regar tras un trasplante.