Növény-Shazam: melyik app működik igazából a szobanövényeknél?

A „növény-Shazam” egy újságírói becenév, nem egy létező termék neve. Egyetlen cég sem védette le, és aki beírja ezt a kifejezést a Google-be, az szinte mindig ugyanoda lyukad ki: a Pl@ntNet nevű alkalmazáshoz. Ezt a francia appot négy állami kutatóintézet tartja fenn, és a sajtó legalább 2017 óta emlegeti ezen a becenéven.

Azt a részt viszont már nem teszik hozzá az újságírók, ami magában a hivatalos leírásban szerepel. Francia nyelven ugyanis az áll benne, hogy a Pl@ntNet a „vivant dans la nature”, vagyis a vadon élő növényekhez készült, és a termesztett, gondozott növények azonosítása „nem az elsődleges feladata”. Ha a növényed egy cserépben áll a nappalidban, akkor a híres becenevet elnyerő appot nem neked találták ki.

Gyors összefoglaló:

• A becenév senkihez sem tartozik. A gyakorlatban a keresés a Pl@ntNet alkalmazáshoz vezet, amely ma 84 710 fajt fed le, és már átlépte az 1,4 milliárd felhasználók által feltöltött képet.

• A Pl@ntNet hivatalos adatlapja a francia App Store-ban egyértelműen kijelenti, hogy a termesztett növények azonosítása „nem az elsődleges feladata”. Ezt az alkalmazást a vadon élő flórára tervezték.

• A növények azonosítása technikai okokból sokkal nehezebb, mint a zenéké: a Shazam egy pontos egyezést keres a digitális hanglenyomatok között, míg egy növényhatározó csak valószínűséget becsülni tud.

• Terepen, vadon élő növényekkel a célszoftverek az esetek körülbelül 86%-ában az első javaslattal eltalálják a fajt (Hart et al., 2023). Termesztett szobanövényekkel nem létezik publikált teszt.

• A lakásban tartott növényekhez olyan app kell, amit eleve erre fejlesztettek ki. A Bloom a Plant.id motorral azonosít, amelynek pontosságát független egyetemek 93%-osnak mérték, az értékelése 4,8-as több mint ezer vélemény alapján, és van ingyenes verziója is.

Mi az a „növény-Shazam”?

„Növény-Shazamnak” nevezi a sajtó az összes olyan alkalmazást, amely fényképről azonosítja a növényfajokat, utalva a zenefelismerő Shazam működésére. Ez nem egy márkanév. A becenév 2017 óta leginkább a Pl@ntNet alkalmazásra ragadt rá, amely egy francia kutatóintézetek által létrehozott, ingyenes, közösségi tudományra épülő projekt.

Honnan ered a becenév?

A Shazam 2002 óta létezik, és az Apple szerint már átlépte a 100 milliárd felismert dalt. Ez lett az univerzális hivatkozási pont minden olyan dolog magyarázatára, amely mobiltelefonon keresztül azonosítja a világot.

A növényekre alkalmazva a hasonlat megragadt. Az ausztrál Vogue 2017-ben a „Shazam for plants” kifejezést használta. A Konbini 2019-ben „un Shazam pour identifier les plantes” címmel írt a Seekről. A 20 Minutes 2026 áprilisában publikált egy riportot, amelyben a Pl@ntNetet „le Shazam des plantes” névvel illette. Brazíliában az ArchDaily ugyanezt a kifejezést használta, szintén a Pl@ntNetről szólva.

A hasonlatot azonban senki sem tesztelte komolyabban, pedig két ponton is elbukik.

Miért sokkal nehezebb a növény, mint a zene?

A nehézséget az jelenti, hogy mihez kell hasonlítani a mintát.

A zenének van eredetije. A növénynek nincs. A Shazam által a mai napig használt algoritmust Avery Wang tette közzé 2003-ban (PDF do artigo original). Ez a frekvenciacsúcsok párjaivá redukálja a hangot, ezeket a párokat kódokká alakítja, és pontos egyezést keres a katalógusban. Azért működik, mert a felvétel egy rögzített dolog: ugyanaz a szám teljesen ugyanúgy szól a rádióban, a fülhallgatóban és a zajos kocsmában is. A Shazam nem kitalálja a zenét, hanem újra megtalálja a fájlt.

Egy növényfajnak nincs fix fájlja. Ugyanaz a szobai futóka teljesen máshogy néz ki az évszaktól, a korától, a kapott fénytől és a metszéstől függően. Egy fiatal könnyezőpálma levelén még nincsenek lyukak, így egyáltalán nem hasonlít ugyanannak a növénynek a felnőtt levelére. A különböző változatok megváltoztatják a levél színét és mintáját anélkül, hogy magát a fajt megváltoztatnák.

Ráadásul a különböző fajok nagyon hasonlíthatnak egymásra. Maga a Pl@ntNet adatlapja is figyelmeztet: „sok növény van, amely messziről nagyon hasonlónak tűnik, és néha csak egészen apró részletek különböztetnek meg két azonos nemzetségbe tartozó fajt”. A zenében két különböző számnak soha nem lesz ugyanaz a digitális lenyomata. A botanikában viszont két teljes nemzetséget elválaszthat egymástól az, hogy szőrös-e a száruk.

Ezért ad a növényhatározó egy százalékos valószínűséggel ellátott listát a lehetséges jelöltekről, miközben a Shazam egyetlen nevet dob ki. A becslés a legtöbb, amit egy ilyen rendszer nyújtani tud.

A Shazam esetében szinte mindegy, milyen minőségben rögzíted a hangot. Egy növényes appnál a fotó, amit készítesz, a siker felét jelenti.

Melyik app a valódi „növény-Shazam”?

Öt eszköz verseng a becenévért, és mindegyik más célra készült. A francia nyelvű keresésekben megjelenő oldalak közül egyik sem hasonlítja össze mind az ötöt.

Az alkalmazásboltok hivatalos adatlapjai és az appok weboldalai alapján, 2026. augusztus 22-i állapot.

A Pl@ntNet őszintén erős abban, amire tervezték. A CIRAD, az INRAE, az INRIA és az IRD tartja fenn, 84 710 fajt fed le 77 flórában, és minden beküldött fotó a biodiverzitással kapcsolatos tudományos adattá válik. Nincs fizetős fal, és nem előfizetési csapda. Csakhogy a célja a világ flórájának leltározása, nem pedig a polcodon lévő cserépben lévő növény nevének kiderítése.

A Google Lens a legkönnyebben elérhető, mert már ott van a telefonodon. Ugyanakkor a növények terén ez a legkevésbé pontos a csoportból, és érdemes megérteni, hol talál be és hol hibázik a Google Lens, mielőtt elhinnéd az első tippjét. Ha szeretnél egy teljes körképet, összegyűjtöttük a legjobb növényhatározó appokat, bemutatva, melyik miben erős.

A csapda: a becenevet viselő appot vadon élő növényekre tervezték

A Pl@ntNet hivatalos leírása a francia App Store-ban szó szerint így szól:

"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."

Magyarul: a Pl@ntNet azonosít mindenféle, a természetben élő növényt, és sok parkokban és kertekben termesztett növényt is azonosít, „de nem ez az elsődleges hivatása”. Ezt maguk az alkotók írták az ficha do app oldalon, és az alkalmazást a növények Shazamjának nevező szövegek egyike sem idézi ezt a mondatot.

A projekt dokumentációja elmagyarázza az okát. A Pl@ntNet „flórákban”, azaz földrajzi régiónkénti fajlistákban keres. Ez kiváló a vadon élő növények esetében, amelyeknek van saját területük, és kevésbé hasznos a dísznövényeknél, amelyek származási helye általában nagyon messze van attól a helytől, ahol éppen termesztik őket. A te szobai futókád Polinéziából származik, és egy São Paulo-i polcon áll. Ezt egyetlen regionális flóra sem látja előre.

A kutatások is ezt igazolják. Egy 2023-as terepvizsgálat során a kutatók 857 fotó tesztelésekor szándékosan kizárták a parkokból és kertekből származó „egzotikus” fajokat. Vagyis az ezekről az appokról keringő szép pontossági mutatókat réteken, erdőkben és út szélén mérték. Ha a Pl@ntNet mellett döntenél, de a növényed a négy fal között él, nézd meg a kifejezetten termesztett növényekre készült Pl@ntNet alternatívákat.

Hogyan készíts olyan fotót, amit az app is felismer?

Ez mind az öt alkalmazásra igaz. Mivel a rendszer csak becsül ahelyett, hogy egy pontos másolatot keresne vissza, a fotó minősége jobban befolyásolja az eredményt, mint az app kiválasztása.

1. Egy konkrét részt fotózz le, ne az egész növényt. A virág, a termés és a levél hordozza a fajra vonatkozó információk szinte egészét. Az egész cserépről készült fotó teljesnek tűnik, de valójában ez segít a legkevésbé.

2. Különíts el egy levelet egy sima háttér előtt. Egy fehér lapra fektetett levél kiszűri a háttérzajt, ami egyébként könnyen összezavarja a modellt.

3. Menj elég közel ahhoz, hogy látszódjanak a levélerek és a szélek. Ezek az apró részletek különböztetik meg az azonos nemzetségbe tartozó fajokat.

4. Küldj több fotót, ha az app lehetővé teszi. A Pl@ntNet és a Bloom is elfogad több szögből készült képet, ami segít szűkíteni a lehetséges jelöltek listáját.

5. Vaku helyett használj természetes fényt az ablakból. A vaku túlvilágítja a levél színét, és eltünteti az erezet mintázatát.

6. Nézd meg az első 5 javaslatot, ne csak a legelsőt. Egy 2023-as terepi tanulmányban ez a módszer 57%-ról 74%-ra növelte a Google Lens találati arányát.

Ha a növény éppen nem virágzik (a szobanövények pedig ritkán teszik ezt), fókuszálj egyetlen levélre, és menj elég közel, hogy jól látsszanak a levélerek. A PLOS ONE folyóiratban megjelent tanulmány szerint a hat tesztelt app sokkal pontosabban azonosított virággal, mint levéllel; virág hiányában a jól lefotózott levél az egyetlen értékelhető nyom.

A leggyakrabban név nélkül érkező növények a legnépszerűbb szobanövények közül kerülnek ki:

A név csak a fele annak, amit tudni akartál

A zenei hasonlat második gyenge pontja a válasz után jelentkezik.

Amikor a Shazam megmondja a dal címét, a folyamat véget ér. Megkaptad, amit akartál, megnyomod a lejátszást, és kész. Amikor viszont egy app közli, hogy a növényed egy Epipremnum aureum, még semmi sem történt. Nem a latin névre voltál kíváncsi. Azt akartad tudni, miért sárgul a levele, milyen gyakran kell locsolni, és hogy a macska megrághatja-e.

Ezért hagyja félúton a felhasználót a Pl@ntNet és a Seek, amelyek egyébként kiváló határozók: a biodiverzitás katalogizálására készültek, nem pedig növénygondozásra. A név után magadra maradsz.

A Bloom áthidalja ezt a szakadékot a szobanövényeknél. A fotó alapján a Plant.id motor segítségével azonosít, amelynek 93%-os pontosságát független egyetemek is igazolták, majd a név alapján összeállítja az adott faj fény- és öntözési igényeit. Az ingyenes verzióban havi 2 azonosítást és öntözési naptárt kapsz; a prémium funkciók közé tartozik a fotóalapú betegségdiagnosztika, amely összehasonlítja a beteg levelet a már ismert esetekkel. Az értékelése 4,8-as, több mint ezer vélemény alapján.

Ha már nem a név a kérdés, hanem a tünetek, akkor más út vezet a megoldáshoz: nézd meg, mi baja lehet a növényednek a leveleken látható jelek alapján.

Mennyire pontosak valójában ezek az appok?

Két 2023-as, szakmailag lektorált tanulmány jelenti jelenleg a legmegbízhatóbb forrást.

A People and Nature folyóiratban megjelent terepvizsgálatban (DOI 10.1002/pan3.10460) tizenhat ökológus szakember 857 fényképet készített a saját mobiltelefonjával, 277 fajt lefedve. A Pl@ntNet a fotók 86,6%-ában már az első javaslatnál eltalálta a fajt, és az első 5 javaslat között 95%-ban szerepelt a helyes faj. A Google Lens az első javaslatnál 57%-ot ért el.

A PLOS ONE tanulmányában (DOI 10.1371/journal.pone.0283386), amelyben 38, a saját élőhelyén lefotózott lágyszárú fajt vizsgáltak (mindegyiket ugyanazzal a készülékkel és képmódosítás nélkül), a Pl@ntNet 88,21%-os pontosságot ért el virággal és 80,36%-os pontosságot levéllel, míg a Google Lens esetében ugyanez 67,86% és 55,00% volt.

Két fontos észrevétel:

Különböző tanulmányok számait nem szabad közvetlenül összehasonlítani. Minden kutatás saját flórát, mintát és kritériumokat használ. A fenti összehasonlítások azért állják meg a helyüket, mert ugyanazon a kutatáson belül történtek. Ha kiragadunk egy százalékot az egyik app cikkéből, és odatesszük egy másik app másik cikkben szereplő száma mellé, az hamis rangsort eredményez.

Ezek a tesztek egyáltalán nem mértek termesztett szobanövényeket. Mindkét kutatás vadon élő növényekkel készült terepen, és az egyik kifejezetten kizárta a kerti fajokat. A cserépben nevelt szobai futókára, legénypálmára vagy könnyezőpálmára vonatkozóan nincsenek publikált tesztek. Aki pontos százalékos sikert ígér a szobanövényekre, az csak általánosít, és ezt a tisztesség kedvéért érdemes kimondani.

Gyakran ismételt kérdések

Létezik egyáltalán növény-Shazam?

Termékként nem létezik. Ez csak a sajtó által adott becenév azokra az appokra, amelyek fotó alapján azonosítanak növényeket. A gyakorlatban ez a kifejezés szinte mindig a Pl@ntNet alkalmazásra utal, amelyet 2017 óta emlegetnek így. A hasonlat képszerűnek jó, de technikai szempontból hibás: a Shazam egy pontos hangfelvételt keres meg, míg a növényes app csak valószínűséget becsül.

Melyik a legjobb ingyenes alkalmazás növények azonosítására?

Attól függ, hol van a növény. Erdei, mezei növényekhez a Pl@ntNet a legpontosabb az ingyenesek közül, amely terepi teszteken 86,6%-os pontosságot ért el az első javaslatnál. Szobanövényekhez válassz olyan alkalmazást, amelyet kifejezetten termesztett fajokra terveztek, mint például a Bloom, amelynek szintén van ingyenes verziója.

Hogyan tudom megkeresni egy növény nevét fotó alapján?

Fotózz le egyetlen részt, lehetőleg virágot, termést vagy levelet, sima háttér előtt, természetes fénynél. Töltsd fel a képet a kiválasztott appba, és nézd meg az első öt javaslatot, ne csak a legelsőt. A kutatások szerint az első öt javaslat figyelembevétele körülbelül 17 százalékponttal növeli a sikeres azonosítás esélyét.

Ingyenes a Pl@ntNet?

Igen, teljesen ingyenes. Négy francia állami kutatóintézet (CIRAD, INRAE, INRIA és IRD) tartja fenn, és közösségi tudományos projektként működik: a beküldött fotók a növényi biodiverzitás kutatását segítik. Cserébe viszont a vadon élő flórára tervezték, nem pedig a szobádban lévő kaspós növényekre.

A Google képes azonosítani a növényeket fotó alapján?

Igen, a Google Lens segítségével, teljesen ingyen és külön alkalmazás telepítése nélkül Androidon. Egy 857 fotót számláló terepi tesztben az esetek 57%-ában találta el a fajt az első javaslatnál, míg a Pl@ntNet ugyanebben a vizsgálatban 86,6%-ot ért el. Ez a legkényelmesebb, de a legkevésbé pontos megoldás a csoportban.

Összegzés

Az alkalmazás, amelyre a sajtó ezt a becenevet ragasztotta, a vadon élő növényekhez készült, és ezt magán az adatlapon is jelzi.

A következő lépés attól függ, hol van a növényed. A természetben használd a Pl@ntNet alkalmazást, és fotózz le egyetlen virágot vagy levelet. A lakásban pedig használj olyan határozót, amelyet termesztett fajokra fejlesztettek ki, és amely a név megadása után is segít neked. A Bloom pontosan ezt teszi, iPhone-on és iPad-en is működik, és ingyenesen is elkezdheted a használatát.