Kasvien Shazam: mikä sovellus toimii oikeasti

"Kasvien Shazam" on toimittajien keksimä lempinimi, ei tuotteen nimi. Mikään yritys ei ole rekisteröinyt sitä, ja Googleen tämän hakutermin kirjoittavat päätyvät lähes aina samaan paikkaan: Pl@ntNet-sovellukseen. Se on ranskalaisen julkisen tutkimuslaitoksen ylläpitämä sovellus, jota lehdistö on kutsunut tällä nimellä ainakin vuodesta 2017 lähtien.

Sitä osaa tarinasta lehdistö ei kuitenkaan kerro, mikä lukee sovelluksen omissa tiedoissa. Ranskankielisessä kuvauksessa todetaan, että Pl@ntNet on tarkoitettu luonnossa eläville kasveille ("vivant dans la nature") ja että viljeltyjen kasvien tunnistaminen "ei ole sen ensisijainen tehtävä". Jos kasvisi on ruukussa sisätiloissa, tämä kuuluisa sovellus ei ole sinua varten.

Pika-analyysi:

• Lempinimi ei kuulu kenellekään. Käytännössä haku johtaa Pl@ntNet-sovellukseen, joka kattaa tällä hetkellä 84 710 lajia ja sisältää yli 1,4 miljardia kuvaa, jotka käyttäjät ovat lähettäneet.

• Pl@ntNetin virallinen kuvaus Ranskan App Storessa vahvistaa, että viljellyt kasvit "eivät ole sen ensisijainen tehtävä". Se on luotu villiä luontoa varten.

• Kasvien tunnistaminen on teknisistä syistä paljon vaikeampaa kuin musiikin: Shazam etsii tarkkaa osumaa äänisormenjäljestä, kun taas kasvin tunnistussovellus voi vain arvioida todennäköisyyttä.

• Maastossa, villien kasvien kohdalla, erityisesti tähän tarkoitukseen kehitetyt tunnistimet osuvat oikeaan lajiin ensimmäisellä ehdotuksella noin 86 % tapauksista (Hart et al., 2023). Viljellyillä huonekasveilla tehtyä julkaistua testiä ei ole olemassa.

• Asuntokasveille ratkaisu on sovellus, joka on tehty juuri niitä varten. Bloom tunnistaa kasvit Plant.id-moottorilla, jonka tarkkuudeksi riippumattomat yliopistot ovat mitanneet 93 %. Sillä on 4,8 tähteä ja yli tuhat arvostelua, ja sitä voi käyttää ilmaiseksi.

Mikä on "Kasvien Shazam"?

"Kasvien Shazam" on lehdistön käyttämä nimitys sovelluksille, jotka tunnistavat kasvilajeja valokuvien perusteella samaan tapaan kuin Shazam tunnistaa musiikkia äänen perusteella. Kyseessä ei ole tuotemerkki. Vuodesta 2017 lähtien lempinimi on liitetty erityisesti Pl@ntNet-sovellukseen, joka on ranskalaisten tutkimuslaitosten luoma maksuton kansalaistieteen työkalu.

Mistä lempinimi on peräisin

Shazam on ollut olemassa vuodesta 2002 lähtien, ja se on jo ylittänyt 100 miljardin tunnistetun kappaleen rajan Apple-yhtiön mukaan. Siitä on tullut yleismaailmallinen vertauskuva selittämään mitä tahansa, mikä tunnistaa maailmaa matkapuhelimen välityksellä.

Kasveihin sovellettuna vertaus vakiintui. Australian Vogue käytti ilmausta "Shazam for plants" vuonna 2017. Konbini kirjoitti vuonna 2019 "un Shazam pour identifier les plantes" puhuessaan Seek-sovelluksesta. 20 Minutes julkaisi huhtikuussa 2026 raportin, jossa se kutsui Pl@ntNetiä nimellä "le Shazam des plantes". Brasilissa ArchDaily käytti samaa ilmaisua, niin ikään Pl@ntNetistä.

Kukaan ei kuitenkaan kyseenalaistanut vertausta, vaikka se ontuu kahdesta syystä.

Miksi kasvi on vaikeampi kuin musiikki

Vaikeus piilee siinä materiaalissa, jota sovellukset vertaavat.

Musiikilla on alkuperäiskappale. Kasvilla ei ole. Algoritmin, jota Shazam käyttää edelleen, julkaisi Avery Wang vuonna 2003 (alkuperäisen artikkelin PDF). Se pelkistää äänen taajuushuippujen pareiksi, muuntaa nämä parit koodeiksi ja etsii tarkan vastineen luettelosta. Se toimii, koska tallenne on muuttumaton kohde: sama kappale soi identtisenä radiossa, kuulokkeissa ja meluisassa baarissa. Shazam ei arvaa kappaletta, vaan se löytää tiedoston uudelleen.

Kasvilajilla ei ole yhtä vakiotiedostoa. Sama kultaköynnös näyttää erilaiselta vuodenajan, iän, valon määrän ja leikkauksen mukaan. Nuoressa peikonlehdessä ei ole lainkaan reikiä, eikä se muistuta saman kasvin aikuista lehteä. Lajikkeet voivat muuttaa lehtien väriä ja kuviota ilman, että laji itsessään muuttuu.

Lisäksi eri lajit muistuttavat toisiaan. Pl@ntNetin omissa tiedoissa varoitetaan: "on monia kasveja, jotka näyttävät kaukaa katsottuna samalta, ja joskus vain pienet yksityiskohdat erottavat saman suvun kaksi lajia". Musiikissa kahdella eri kappaleella ei ole koskaan samaa sormenjälkeä. Kasvitieteessä taas kaksi kokonaista sukua saattaa erottua toisistaan vain varren karvoituksen perusteella.

Tästä syystä kasvisovellus antaa ehdotuslistan ja varmuusprosentin, kun taas Shazam antaa vain yhden nimen. Prosenttiosuus on parasta, mitä arvioiva järjestelmä voi tarjota.

Shazamissa nauhoituksen laadulla ei ole juuri merkitystä. Kasvisovelluksessa ottamasi kuva ratkaisee puolet tuloksesta.

Mikä sovellus on se oikea "Kasvien Shazam"

Viisi eri työkalua kilpailee tästä lempinimestä, ja ne on luotu eri tarkoituksiin. Mikään hakutuloksissa näkyvistä sivustoista ei vertaile näitä viittä keskenään.

Tiedot on kerätty sovelluskauppojen virallisista tiedoista ja sovellusten verkkosivuilta 22. elokuuta 2026.

Pl@ntNet on rehellisesti vahva siinä, mihin se pyrkii. Sitä ylläpitävät CIRAD, INRAE, INRIA ja IRD, se kattaa 84 710 lajia 77 floorassa, ja jokaisesta lähetetystä kuvasta tulee tieteellistä tietoa luonnon monimuotoisuudesta. Siinä ei ole maksumuuria eikä se ole tilaussyötti. Sen tavoitteena on kuitenkin kartoittaa maailman kasvistoa, ei selvittää hyllyssäsi olevan ruukun nimeä.

Google Lens on helpoimmin saatavilla, koska se on jo puhelimessasi. Se on kuitenkin ryhmän epätarkin kasvien kohdalla, ja on hyödyllistä ymmärtää, missä Google Lens onnistuu ja missä se epäonnistuu ennen kuin luottaa sen ensimmäiseen ehdotukseen. Jos haluat laajemman katsauksen, olemme koonneet listan, jossa ovat parhaat kasvien tunnistussovellukset ja tietoa siitä, mitä kukin tekee parhaiten.

Sudenkuoppa: lempinimen saanut sovellus tehtiin villeille kasveille

Pl@ntNetin virallinen kuvaus Ranskan App Storessa, sana sanalta:

"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."

Suomeksi: Pl@ntNet tunnistaa kaikenlaiset luonnossa elävät kasvit ja tunnistaa myös monia puistoissa ja puutarhoissa viljeltyjä kasveja, "mutta se ei ole sen ensisijainen tehtävä". Tämän ovat kirjoittaneet sovelluksen luojat itse sovelluksen tiedoissa, eikä mikään teksteistä, jotka ovat nimenneet sovelluksen kasvien Shazamiksi, mainitse tätä lausetta.

Projektin dokumentaatio selittää syyn. Pl@ntNet etsii "floorien" sisältä, jotka ovat lajiluetteloita maantieteellisen alueen mukaan. Tämä on erinomaista luonnonvaraisille kasveille, joilla on oma asuinalueensa, ja vähän hyödyllistä koristekasveille, joiden alkuperä on yleensä kaukana siitä, missä niitä viljellään. Kultaköynnöksesi on peräisin Polynesiasta ja se on hyllyssä São Paulossa. Mikään alueellinen floora ei ennusta tätä.

Tutkimukset vahvistavat tämän tilanteen. Vuonna 2023 tehdyssä kenttätestissä, jossa käytettiin 857 kuvaa, tutkijat jättivät tarkoituksella pois puistojen ja puutarhojen koristekasvit. Toisin sanoen näistä sovelluksista esitetyt hyvät tarkkuusluvut on mitattu metsissä, niityillä ja tienvarsilla. Jos käytät Pl@ntNet-sovellusta huonekasvillesi, tutustu Pl@ntNet-vaihtoehtoihin, jotka on kehitetty viljeltyjä kasveja varten.

Miten otat kuvan, jonka sovellus tunnistaa oikein

Tämä sääntö pätee kaikkiin viiteen sovellukseen. Koska järjestelmä arvioi todennäköisyyksiä eikä etsi tarkkaa kopiota, kuva vaikuttaa lopputulokseen enemmän kuin sovelluksen valinta.

1. Kuvaa yksittäinen osa, älä koko kasvia. Kukka, hedelmä ja lehti sisältävät lähes kaiken tiedon lajista. Kuva koko ruukusta näyttää ihmiselle selkeältä, mutta se auttaa sovellusta vähiten.

2. Eristä lehti tasaista taustaa vasten. Valkoiselle paperille asetettu lehti poistaa taustahälyn, johon tunnistusmalli usein sekoaa.

3. Mene tarpeeksi lähelle, jotta lehtisuonitukset ja reunat näkyvät. Nämä yksityiskohdat erottavat saman suvun eri lajit toisistaan.

4. Lähetä useampi kuin yksi kuva, jos sovellus sallii sen. Pl@ntNet ja Bloom sallivat useiden kuvien ottamisen eri kulmista, mikä tarkentaa ehdotuslistaa.

5. Käytä mieluummin ikkunavaloa kuin salamaa. Salama muuttaa lehden väriä kuvassa ja häivyttää lehtisuonien muodon.

6. Katso 5 ensimmäistä ehdotusta, älä vain ensimmäistä. Vuoden 2023 kenttätutkimuksessa tämä nosti Google Lensin osumatarkkuuden 57 prosentista 74 prosenttiin.

Jos kasvi ei kuki (ja huonekasvit kukkivat harvoin), ota lähikuva yksittäisestä lehdestä niin, että lehtisuonet näkyvät selvästi. PLOS ONE -lehden tutkimuksessa kaikki kuusi testattua sovellusta osuivat paremmin oikeaan kukan kuin lehden perusteella, mutta ilman kukkaa hyvin kuvattu lehti on paras mahdollinen signaali.

Nimettöminä meille useimmiten päätyvät kasvit ovat kaikkein tavallisimpia huonekasveja:

Nimi on vasta puolet siitä, mitä halusit tietää

Toinen vertauksen murtumispiste tulee vastaan vastaamisen jälkeen.

Kun Shazam kertoo kappaleen nimen, asia on selvä. Halusit nimen, sait nimen ja voit kuunnella musiikkia. Kun kasvisovellus kertoo, että kasvissasi on Epipremnum aureum, mikään ei muutu. Et halunnut pelkkää nimeä. Halusit tietää, miksi sen lehdet kellastuvat, kuinka usein sitä pitää kastella ja onko se vaarallinen kissallesi.

Tästä syystä Pl@ntNet ja Seek, jotka ovat erinomaisia tunnistajia, jättävät käyttäjän yksin matkan puolivälissä: ne on tehty luonnon monimuotoisuuden luettelointiin, ei kasvien hoitoon. Nimen selvittämisen jälkeen olet edelleen omillasi.

Bloom ratkaisee tämän ongelman huonekasvien kohdalla. Se tunnistaa kasvin kuvan perusteella käyttäen Plant.id-moottoria, jonka tarkkuudeksi riippumattomat yliopistot ovat mitanneet 93 %. Nimen perusteella se luo kyseiselle lajille sopivan kastelu- ja valo-ohjelman. Ilmaisversiossa saat 2 tunnistusta kuukaudessa ja kasteluaikataulun. Kasvitautien diagnosointi kuvan perusteella, joka vertaa sairasta lehteä tunnettuihin tapauksiin, on Premium-ominaisuus. Sovelluksella on 4,8 tähteä ja yli tuhat arvostelua.

Jos ongelmasi ei ole enää kasvin nimi vaan oireet, oikea tapa on selvittää, mitä kasvisi vaivaa lehtien ulkonäön perusteella.

Kuinka tarkasti nämä sovellukset todella osuvat oikeaan

Kaksi vertaisarvioitua tutkimusta vuodelta 2023 tarjoavat parhaan julkisen vertailukohdan.

People and Nature -lehdessä julkaistussa kenttätutkimuksessa (DOI 10.1002/pan3.10460) kuusitoista ekologian ammattilaista otti omilla matkapuhelimillaan 857 valokuvaa, jotka kattoivat 277 lajia. Pl@ntNet tunnisti lajin oikein ensimmäisessä ehdotuksessa 86,6 %:ssa kuvista, ja oikea laji oli 5 ensimmäisen ehdotuksen joukossa 95 %:ssa. Google Lens saavutti 57 % ensimmäisessä ehdotuksessa.

PLOS ONE -lehden tutkimuksessa (DOI 10.1371/journal.pone.0283386), jossa valokuvattiin 38 ruohovartista lajia niiden omassa elinympäristössä, kaikissa samalla laitteella ja ilman kuvankäsittelyä, Pl@ntNet tunnisti oikein 88,21 % kukallisista ja 80,36 % lehdellisistä kasveista, kun taas Google Lensin vastaavat luvut olivat 67,86 % ja 55,00 %.

Kaksi tärkeää huomautusta:

Eri tutkimusten lukuja ei voi verrata suoraan keskenään. Jokaisessa työssä käytetään eri kasvistoa, otoksia ja kriteerejä. Yllä olevat vertailut ovat päteviä vain siksi, että ne on tehty saman tutkimuksen sisällä. Jos otat yhden sovelluksen prosentin yhdestä tutkimuksesta ja vertaat sitä toisen sovelluksen prosenttiin toisessa tutkimuksessa, tuloksena on virheellinen vertailu.

Yksikään näistä testeistä ei mitannut viljeltyjä huonekasveja. Molemmat tutkimukset tehtiin luonnonvaraisilla kasveilla luonnossa, ja toisessa niistä rajattiin koristekasvit kokonaan pois. Kultaköynnökselle, palmulle tai peikonlehdelle ruukussa ei ole julkaistuja testejä. Jos joku esittää tarkan onnistumisprosentin huonekasveille, kyse on yleistyksestä, ja se on rehellistä sanoa suoraan.

Usein kysytyt kysymykset

Onko olemassa oikeaa kasvien Shazam-sovellusta?

Ei tuotteen muodossa. Se on lehdistön käyttämä lempinimi sovelluksille, jotka tunnistavat lajeja kuvien perusteella. Käytännössä nimitys viittaa lähes aina Pl@ntNet-sovellukseen, jota on kutsuttu tällä nimellä vuodesta 2017 lähtien. Vertaus toimii mielikuvana, mutta ei teknisesti: Shazam löytää tarkan äänitiedoston, kun taas kasvisovellus arvioi todennäköisyyttä.

Mikä on paras ilmainen sovellus kasvien tunnistamiseen?

Se riippuu siitä, missä kasvi on. Luonnonvaraisille kasveille luonnossa Pl@ntNet on tarkin ilmaisista sovelluksista, ja sen osumatarkkuus on kenttätesteissä 86,6 % ensimmäisellä ehdotuksella. Huonekasveille kannattaa valita viljellyille lajeille kehitetty sovellus, kuten Bloom, josta on myös ilmaisversio.

Miten tunnistan kasvin nimen kuvan perusteella?

Ota kuva yksittäisestä osasta, mieluiten kukasta, hedelmästä tai lehdestä, tasaista taustaa vasten ja ikkunavalossa. Lähetä kuva valitsemaasi sovellukseen ja katso viittä ensimmäistä ehdotusta, älä vain ensimmäistä. Tutkimuksissa viiden ensimmäisen vaihtoehdon huomioiminen nosti osumatarkkuutta noin 17 prosenttiyksikköä.

Onko Pl@ntNet ilmainen?

On. Sitä ylläpitää neljä ranskalaista julkista tutkimuslaitosta (CIRAD, INRAE, INRIA ja IRD), ja se toimii kansalaistieteen hankkeena: lähettämäsi kuvat muuttuvat kasvien monimuotoisuutta koskevaksi tieteelliseksi tiedoksi. Vastineeksi se on suunniteltu luonnonvaraiselle kasvistolle, ei ruukkukasvillesi.

Tunnistaako Google kasveja kuvasta?

Tunnistaa Google Lensin avulla ilmaiseksi ilman uusia asennuksia Android-laitteissa. Kenttätestissä, jossa käytettiin 857 kuvaa, se osui oikeaan lajiin ensimmäisellä ehdotuksella 57 % tapauksista, kun taas Pl@ntNetin tarkkuus samassa tutkimuksessa oli 86,6 %. Se on ryhmän vaivattomin mutta epätarkin työkalu.

Johtopäätös

Lempinimen saanut sovellus on tehty luonnonvaraisille kasveille, ja se sanotaan suoraan sen omissa tiedoissa.

Seuraava askel riippuu siitä, missä kasvisi sijaitsee. Luonnossa kannattaa käyttää Pl@ntNetiä ja kuvata yksittäistä kukkaa tai lehteä. Kotona kannattaa käyttää viljellyille kasveille tarkoitettua sovellusta, joka tarjoaa apua myös nimen selvittämisen jälkeen. Bloom tekee tämän ja toimii iPhonella ja iPadilla, ja sen käyttö on helppo aloittaa ilmaisversiolla.