Identificazione delle piante con l'IA: come funziona e quanto è precisa davvero

L'identificazione delle piante tramite intelligenza artificiale consiste nel riconoscere la specie di una pianta viva a partire da una foto: il software confronta i pattern visivi dell'immagine (la forma e le venature delle foglie, la struttura del fiore, la texture della corteccia) con milioni di foto già classificate da botanici esperti, restituendo un elenco di specie candidate dalla più probabile alla meno probabile. In tutto questo processo, la macchina non "comprende" in alcun modo la pianta.

In diversi studi scientifici pubblicati tra il 2020 e il 2025, le applicazioni hanno indovinato la specie corretta al primo tentativo in una percentuale compresa tra il 17% e oltre il 90% dei casi. Questa enorme differenza, però, spesso non dipende dall'applicazione in sé, ma da ciò che viene fotografato. La stessa fotocamera, la stessa pianta e la stessa applicazione danno risultati del tutto diversi se si fotografa la corteccia anziché la foglia, o se la pianta è in fiore.

Sintesi rapida:

• Nello studio condotto da Schmidt e colleghi nel 2022 su 55 specie di alberi, l'applicazione più precisa ha indovinato la specie nell'83,86% delle foto di foglie, ma è scesa al 51,82% con le foto della corteccia. Parliamo di una perdita di ben 32 punti percentuali sulla stessa pianta e con la stessa app.

• Analizzando 560 foto di piante erbacee irlandesi (Campbell, Peacock e Bacon, 2023), tutte le applicazioni testate hanno ottenuto risultati migliori con i fiori rispetto alle foglie, con scarti compresi tra 6 e 29 punti.

• Nessuno studio pubblicato finora ha misurato la precisione delle app sulle piante d'appartamento coltivate in casa. I test esistenti si concentrano su alberi urbani, flora selvatica e piante selvatiche.

• Le cultivar non sono specie: per i modelli di IA, una Monstera 'Thai Constellation' e una 'Albo' sono esattamente la stessa pianta.

• I risultati di un'applicazione non garantiscono la sicurezza. In un test pubblicato su Clinical Toxicology (2023), 5 specie tossiche su 11 sono state indicate come commestibili da almeno una delle app testate.

Cosa fa davvero l'IA quando fotografi una pianta

Un identificatore di piante basato sull'IA non conosce la botanica. Si tratta di un modello di computer vision addestrato su un database di foto già classificate, il cui compito è misurare la somiglianza: converte la tua foto in una serie di dati numerici (bordi, curve, texture, proporzioni) e cerca nel database le specie le cui immagini generano dati simili. Il risultato è una classifica di candidati, ciascuno con un determinato livello di affidabilità.

Questo meccanismo comporta quattro conseguenze pratiche che spiegano la quasi totalità degli errori che potresti riscontrare:

1. Ciò che non è nel database non può essere riconosciuto. Pl@ntNet, che è il più grande progetto aperto del settore, pubblica i propri numeri: 84.710 specie e oltre 1,47 miliardi di immagini, distribuite in 77 flore regionali. È molto, eppure è solo una frazione delle circa 400 mila specie di piante con fiore descritte nel mondo.

2. Il livello di affidabilità misura la somiglianza, non la verità assoluta. Un valore alto significa semplicemente "questa foto somiglia molto alle foto di questa specie presenti nel mio database". Se la specie corretta non è registrata nel sistema, il modello proporrà comunque con grande sicurezza la specie più simile disponibile.

3. La parte della pianta fotografata conta più dell'applicazione scelta. Ogni organo vegetale contiene una quantità diversa di informazioni tassonomiche e il modello può basarsi solo su ciò che è visibile nell'immagine.

4. Il modello rappresenta una media. È stato addestrato con foto di piante adulte, sane e fotografate nel loro ambiente naturale. Più la tua pianta si allontana da questo standard, più l'algoritmo rischia di sbagliare.

Gli stessi creatori di Pl@ntNet ammettono chiaramente ciò che nessuna pagina di presentazione di un prodotto commerciale scriverebbe mai: "come ogni modello di IA, Pl@ntNet não é infalível" (non è infallibile).

I dati sulla precisione dell'identificazione tramite IA

In quattro studi scientifici pubblicati tra o2020 e il 2025, le app di identificazione delle piante con IA hanno individuato la specie corretta al primo tentativo in una percentuale variabile tra il 17% e il 90% dei casi, a seconda dell'app, della flora esaminata e della parte della pianta fotografata. La precisione nel determinare il genere è sistematicamente più alta rispetto a quella della specie.

Di seguito sono riportati i dati di ciascuna ricerca. Poiché questi studi hanno utilizzato flore, campioni e criteri diversi, i dati possono essere confrontati solo all'interno della stessa riga, mai tra righe diverse. Un'applicazione che ottiene l'83% in uno studio sugli alberi del New Jersey non è necessariamente "migliore" di un'altra che registra il 57% in uno studio sulla flora britannica.

Due dinamiche emergono chiaramente da queste quattro ricerche. La prima è la rapidità con cui le applicazioni stanno migliorando: il divario di precisione tra lo studio del 2020 e quello del 2025 è troppo ampio per essere casuale. La seconda è che l'inquadratura influisce sul risultato finale all'interno della stessa app tanto quanto la differenza tra le migliori applicazioni sul mercato: nello studio di Schmidt, fotografare la corteccia invece della foglia è costato 32 punti percentuali all'app più precisa, più del doppio rispetto ai 14 punti di distacco dal secondo classificato.

L'applicazione scaricata sullo smartphone spesso non è quella che esegue materialmente il riconoscimento, poiché molte di esse si appoggiano a motori di ricerca esterni. L'applicazione Bloom identifica le piante tramite Plant.id, lo stesso motore che si è classificato al primo posto nello studio di Jones (2020) e che oggi rappresenta il primo risultato su Google per le ricerche di identificazione botanica, con una precisione testata da università indipendenti pari al 93%. Questo dato si riferisce al motore di riconoscimento e non all'intera applicazione, ed è in questo modo che va interpretato per qualsiasi app che utilizzi lo stesso fornitore.

Perché la foto della corteccia è molto meno precisa rispetto a quella della foglia

Fotografare la corteccia è l'inquadratura peggiore per un sistema di identificazione basato sull'IA. Nello studio di Schmidt e colleghi (2022), le stesse 55 specie di alberi sono state fotografate due volte, una volta concentrandosi sulla foglia e una sulla corteccia, utilizzando lo stesso dispositivo e con le stesse condizioni. Il calo di precisione è evidente:

Si nota un calo di 32,04 punti percentuali per la specie con PictureThis e di 37,73 punti con iNaturalist. L'estratto dello studio sintetizza così: "these apps are much more accurate in identifying leaf photos as compared to bark photos" (queste applicazioni sono molto più precise nell'identificare le foto delle foglie rispetto a quelle della corteccia).

La spiegazione è di natura botanica, non tecnologica. La foglia presenta elementi morfologici che distinguono chiaramente le specie: il contorno, il tipo di margine (intero, seghettato, lobato), il disegno delle venature e il punto di inserzione del picciolo. La corteccia offre principalmente informazioni sulla texture, che varia notevolmente a seconda dell'età dell'albero, dell'umidità, della presenza di licheni o funghi e persino del lato del tronco che viene fotografato. Due specie diverse possono presentare cortecce quasi identiche a 20 anni di età, mentre la stessa specie cambia aspetto radicalmente tra i 5 e i 50 anni.

La presenza di fiori cambia radicalmente il risultato

Il fiore è l'elemento più informativo in assoluto per l'identificazione tramite intelligenza artificiale e la differenza è tale da influenzare il momento stesso in cui conviene scattare la foto. Nello studio di Campbell, Peacock e Bacon (2023), 38 specie erbacee sono state fotografate 560 vezes, metà concentrandosi sulle foglie e metà sui fiori, con lo stesso telefono e senza alcuna modifica alle immagini. Questi i risultati per ciascuna app:

L'effetto emerge di nuovo, in modo indipendente, in Hart et al. (2023), People and Nature 5(2), che registra: "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (le applicazioni con le prestazioni peggiori hanno registrato risultati significativamente migliori quando era presente un fiore).

Il motivo è analogo a quello riscontrato per la corteccia. Il fiore è la struttura che la botanica utilizza da tre secoli per classificare le piante, poiché il numero di petali, la simmetria, la disposizione degli stami e la forma del calice sono caratteri stabili all'interno della stessa specie e distintivi rispetto alle altre. La foglia è spesso più ambigua: decine di specie della famiglia delle Araceae presentano foglie verdi, lucide e di forma ovale del tutto simili tra loro.

Piante come il pothos, la zamioculcas, la monstera, le felci e la sansevieria fioriscono molto raramente o mai all'interno di un appartamento. Di conseguenza, chi fotografa le piante in casa si trova quasi sempre nello scenario in cui la precisione delle app è minore.

Perché le piante d'appartamento rappresentano il caso più difficile

Le piante d'appartamento coltivate in casa costituiscono lo scenario più complesso per l'identificazione tramite IA a causa di tre fattori concomitanti: non sono mai state oggetto di studi scientifici mirati, si tratta spesso di cultivar che la tassonomia classica non distingue dalla specie tipo, e non presentano quasi mai fiori.

Nessuno studio pubblicato ha analizzato le piante d'appartamento coltivate. È utile osservare i campioni utilizzati nelle ricerche: Schmidt e colleghi (2022) hanno testato alberi urbani e forestali del New Jersey; Campbell, Peacock e Bacon (2023) hanno analizzato piante erbacee selvatiche irlandesi; Jones (2020) si è concentrato sulla flora britannica e Hart et al. (2023) hanno esaminato la flora selvatica del Regno Unito, escludendo intenzionalmente le specie esotiche coltivate nei parchi e nei giardini. Quando si legge che "le app hanno una precisione dell'85%", quel dato si riferisce a piante che crescono in natura, non a quelle nel tuo salotto.

La cultivar non è una specie e il modello riconosce solo le specie. Le piante acquistate nei vivai o nei negozi sono spesso selezioni orticole registrate con nomi commerciali. Dal punto di vista tassonomico, una Monstera deliciosa 'Thai Constellation' e una 'Albo Borsigiana' appartengono alla stessa identica specie: la differenza risiede in una mutazione della variegatura, che è proprio l'elemento visivo utilizzato da noi per distinguerle, ma che il modello di IA è stato addestrato a ignorare considerandolo come una semplice variazione di luce. Poiché nella maggior parte dei database non esistono categorie separate per le singole cultivar, l'app indicherà correttamente la specie ma non saprà identificare l'esatta varietà che hai in casa.

Le piante d'appartamento si discostano spesso dallo standard di addestramento. Le immagini di riferimento mostrano piante adulte, vigorose e nel loro habitat naturale. La pianta di casa, invece, si trova spesso in un vaso di dimensioni ridotte, è potata, si allunga verso la luce della finestra, presenta foglie nuove più piccole del normale o magari con le punte secche, e non ha fiori. Ognuna di queste anomalie allontana l'immagine da ciò che l'algoritmo ha analizzato durante l'addestramento, sommandosi tra loro.

L'applicazione rimane uno strumento utile anche per le piante d'appartamento. Tuttavia, è importante considerare che le percentuali di precisione pubblicate rappresentano il limite massimo raggiungibile e non la media reale del tuo utilizzo quotidiano, rendendo la verifica manuale del risultato ancora più importante.

Quando l'errore può essere pericoloso: piante tossiche e animali domestici

L'identificazione delle piante tramite IA non è affidabile per decidere se una pianta sia tossica. In un test pubblicato su Clinical Toxicology 61(7) nel 2023, 5 specie potenzialmente tossiche su 11 sono state identificate come commestibili da almeno una delle app valutate. Lo studio di Campbell, Peacock e Bacon ha incluso due piante tossiche e giunge alla stessa conclusione, in una frase che vale la pena citare interamente:

"They should not be trusted to identify toxic species." Non ci si deve affidare a queste applicazioni per identificare specie tossiche.

La regola pratica è semplice: usa l'app come primo filtro e conferma la specie su una fonte botanica prima di lasciare la pianta alla portata di gatti, cani o bambini, e non ingerire mai nulla sulla base di un'identificazione fotografica. Due delle piante da appartamento più comuni in Brasile sono tra quelle tossiche per gli animali domestici:

Come fotografare le piante per aiutare l'IA a non sbagliare

L'inquadratura dello scatto influisce sul risultato finale dell'identificazione molto più dell'applicazione scelta. Ecco sei regole pratiche basate sui dati emersi dalle ricerche scientifiche:

1. Se la pianta è fiorita, fotografa il fiore. È la differenza compresa tra 6 e 29 punti evidenziata dallo studio su PLOS ONE a parità di applicazione.

2. Scegli sempre la foglia rispetto alla corteccia. Come dimostrato dallo studio di Schmidt e colleghi, la differenza di precisione sulla specie può raggiungere i 32 punti.

3. Inquadra un solo organo per foto. Concentrati sulla foglia intera o sul fiore in modo che occupino l'intera inquadratura, evitando di scattare foto da troppo lontano che includano tutta la pianta.

4. Scegli uno sfondo uniforme. Posizionare una foglia su un foglio bianco o sul palmo della mano elimina elementi di sfondo che l'algoritmo potrebbe confondere con la pianta stessa.

5. Avvicinati per mostrare le venature. Il disegno delle venature rappresenta una parte fondamentale delle informazioni tassonomiche fornite dalla foglia.

6. Controlla i primi 5 risultati proposti, non solo il primo. Nello studio di Hart et al. (2023), la precisione media delle applicazioni sale dal 69% del primo risultato all'85% se si considerano le prime cinque opzioni suggerite. La specie corretta è spesso presente nell'elenco, anche se non si trova in prima posizione.

Se l'applicazione lo consente, invia più immagini della stessa pianta mostrando parti diverse. I sistemi in grado di elaborare più foto contemporaneamente combinano i diversi elementi visivi riducendo il margine d'errore.

Esistono strumenti gratuiti di identificazione delle piante tramite IA?

Sì, ed è possibile trovarli in tre diverse modalità.

Gratuito senza limiti, di origine accademica. Pl@ntNet è un progetto di ricerca pubblica francese e non richiede alcun pagamento. È il più forte sulle piante selvatiche e native, mostra il grado di affidabilità e offre candidati alternativi invece di proporne uno solo. Non si occupa della cura né dei promemoria.

Strumenti gratuiti integrati nello smartphone. Google Lens è integrato nell'app Google e in Chrome, funziona sia su Android che su iPhone e non prevede limiti di utilizzo per l'identificazione. Nei due studi in cui è stato testato, ha registrato una precisione compresa tra il 55% e o68% al primo tentativo, posizionandosi dietro alle applicazioni sviluppate specificamente per la botanica. La guida dettagliata è disponibile nell'articolo su come identificare le piante con Google Lens.

Versioni gratuite con limiti d'uso all'interno di app per la cura delle piante. In questo caso l'offerta varia molto e gran parte delle app di identificazione non offre alcuna modalità gratuita. L'applicazione Bloom offre una versione gratuita che include 2 identificazioni al mese e il calendario delle annaffiature, senza scadenze temporali. Per confrontare le diverse funzionalità, l'elenco completo è disponibile nella guida ai migliori programmi per identificare le piante.

Domande frequenti

Esiste uno strumento di IA gratuito per identificare le piante?

Sì. Pl@ntNet è completamente gratuito e senza limiti di utilizzo in quanto progetto di ricerca scientifica pubblica, mentre Google Lens è integrato gratuitamente all'interno dell'applicazione Google e di Chrome. Esistono anche applicazioni dedicate alla cura delle piante che offrono funzioni di identificazione gratuite con limiti mensili, ma rappresentano una minoranza. In ogni caso, quasi tutte consentono di effettuare gratuitamente il primo riconoscimento.

Qual è l'applicazione di identificazione delle piante più precisa?

Dipende da cosa si fotografa e non è possibile indicare un'unica app migliore in assoluto. Ogni studio scientifico ha testato una flora differente: PictureThis ha ottenuto i risultati migliori con gli alberi del New Jersey, Pl@ntNet con le piante erbacee irlandesi e Plant.id con la flora britannica. Confrontare direttamente le percentuali ottenute in studi diversi non è scientificamente corretto.

L'IA identifica le piante d'appartamento con la stessa precisione di quelle selvatiche?

Non esistono studi scientifici pubblicati che abbiano misurato questo aspetto specifico. Tutti i test indipendenti hanno utilizzato alberi urbani o flora selvatica, e in un caso sono state escluse intenzionalmente le specie coltivate nei giardini. Le piante d'appartamento sono spesso cultivar non fiorite e presentano caratteristiche morfologiche distanti dagli standard di addestramento dei modelli, il che tende a ridurre la precisione del riconoscimento.

L'applicazione è in grado di riconoscere l'esatta varietà della mia pianta?

Raramente. Cultivar molto note come la 'Thai Constellation' o la 'Pink Princess' appartengono alla stessa specie della forma comune; la differenza è legata a una mutazione cromatica che i modelli di IA tendono a interpretare come una variazione della luce ambientale. L'applicazione indicherà quasi sempre il nome della specie e non quello della specifica varietà orticola.

Posso usare l'identificazione tramite IA per sapere se uma pianta è tossica?

Può essere utile come primo controllo di massima, ma non come risposta definitiva. In uno studio del 2023 pubblicato su Clinical Toxicology, 5 specie tossiche su 11 sono state classificate come commestibili da almeno un'applicazione. È indispensabile verificare sempre la specie su fonti botaniche autorevoli prima di collocare una pianta in un ambiente frequentato da bambini o animali domestici.

Conclusione

L'elemento determinante per il risultato finale è la qualità e il tipo di immagine che viene acquisita. A parità di applicazione e di pianta, fotografare la foglia anziché la corteccia aumenta la precisione del riconoscimento fino a 32 punti percentuali, così come fotografare il fiore anziché la foglia garantisce fino a 29 punti in più. Scegliere l'inquadratura corretta è l'unico fattore su cui puoi intervenire direttamente e offre vantaggi maggiori rispetto al semplice cambio di applicazione. Se stai fotografando una pianta d'appartamento, ricorda che non esistono studi scientifici specifici su questo tipo di coltivazione domestica: considera quindi il nome che compare sullo schermo come un'ipotesi probabile e non come una verità assoluta.

Il consiglio pratico è quello di effettuare un secondo scatto seguendo le sei regole descritte in precedenza, verificando se l'applicazione propone la stessa specie. Se i risultati cambiano tra due foto nitide della stessa pianta, significa che il modello non è sicuro ed è opportuno consultare una seconda fonte.

Spesso, però, conoscere il nome della pianta è solo il primo passo per capire come prendersene cura ed evitare che appassisca. È in questo contesto che si rivelano utili le applicazioni che integrano il riconoscimento fotografico con la gestione delle annaffiature e l'analisi dell'esposizione solare adatte a quella specifica specie. L'applicazione Bloom offre queste funzionalità, effettua il riconoscimento tramite il motore Plant.id ed è disponibile per iPhone.

Se invece la tua pianta mostra già segni di sofferenza e il tuo obiettivo è capire come curarla, puoi consultare la nostra guida per scoprire di cosa soffre la tua pianta.