Shazam for planter: Hvilken app gjør faktisk jobben

"Shazam for planter" er et kallenavn skapt av journalister, ikke et produktnavn. Ingen selskaper har registrert dette navnet, og de som søker etter begrepet på Google havner nesten alltid på samme sted: Pl@ntNet. Dette er en fransk app som drives av fire offentlige forskningsinstitutter, og den har blitt kalt dette i pressen siden 2017.

Men det pressen sjelden forteller, står i appens egen offisielle beskrivelse. På fransk står det at Pl@ntNet er laget for planter som "lever i naturen" (vivant dans la nature), og at å identifisere dyrkede planter "ikke er appens hovedoppgave". Hvis planten din står i en potte i stua, er altså ikke denne berømte appen laget for deg.

Kort oppsummert:

• Kallenavnet tilhører ingen spesielle. I praksis fører søk til Pl@ntNet, som i dag dekker 84 710 arter og har over 1,4 milliarder bilder sendt inn fra brukere.

• Pl@ntNet sin offisielle beskrivelse i franske App Store slår fast at dyrkede planter "ikke er appens hovedoppgave". Den ble utviklet for viltvoksende flora.

• Planter er vanskeligere enn musikk av tekniske årsaker: Shazam leter etter et nøyaktig treff i et digitalt lydavtrykk, mens en plante-app bare kan beregne en sannsynlighet.

• I feltet, med ville planter, treffer de dedikerte identifikatorene arten på første forslag i rundt 86 % av tilfellene (Hart et al., 2023). Det finnes ingen publisert test med dyrkede stueplanter.

• For stueplanter trenger du en app som faktisk er laget for formålet. Bloom identifiserer ved hjelp av Plant.id, en motor som uavhengige universiteter har målt til 93 % nøyaktighet. Den har en vurdering på 4,8 med over tusen anmeldelser og tilbyr en gratisversjon.

Hva er egentlig "Shazam for planter"?

"Shazam for planter" er det pressen kaller apper som kan identifisere en planteart basert på et bilde, tilsvarende hvordan musikkappen Shazam gjenkjenner sanger via lyd. Det er ikke et registrert varemerke. Siden 2017 har merkelappen først og fremst klistret seg til Pl@ntNet, en gratis app for folkeforskning utviklet av franske forskningsinstitutter.

Hvor kallenavnet kommer fra

Shazam har eksistert siden 2002 og har allerede passert 100 milliarder gjenkjente sanger, ifølge Apple. Den har blitt den universelle snarveien for å forklare alt som identifiserer verden via mobilen.

Anvendt på planter slo analogien an. Australske Vogue brukte "Shazam for plants" i 2017. Konbini skrev "un Shazam pour identifier les plantes" i 2019 da de omtalte Seek. 20 Minutes publiserte en reportasje i april 2026 der de kalte Pl@ntNet "le Shazam des plantes". I Brasil brukte ArchDaily det samme uttrykket, også om Pl@ntNet.

Ingen testet om denne sammenligningen faktisk holdt vann, og på to viktige områder faller analogien helt sammen.

Hvorfor planter er mye vanskeligere enn musikk

Den største utfordringen ligger i materialet appene har å sammenligne med.

Musikk har en original. Det har ikke planter. Algoritmen som Shazam bruker den dag i dag ble publisert av Avery Wang i 2003 (PDF do artigo original). Den reduserer lyden til par av frekvenstopper, gjør disse parene om til koder og søker etter en nøyaktig match i katalogen. Det fungerer fordi innspillingen er et fast objekt: det samme sporet spilles identisk på radioen, i hodetelefonene og i en bråkete bar. Shazam gjetter ikke sangen, den finner igjen filen.

En planteart har ingen slik fasitfil. En og samme gullranke endrer utseende etter årstid, alder, lysforhold og hvor mye den har blitt beskåret. Et ungt blad på en vindusblad (Monstera deliciosa) har ingen hull i det hele tatt, og ligner overhodet ikke på de flikete bladene til en voksen plante av samme art. Kulturvarianter kan også endre farge og mønster på bladene uten at det dreier seg om en ny art.

I tillegg er ulike arter ofte slående like. Selve brukerveiledningen til Pl@ntNet advarer om dette: "Det finnes mange planter som ligner på hverandre på avstand, og noen ganger er det bare mikroskopiske detaljer som skiller to arter i samme slekt." I musikkverdenen vil to ulike sanger aldri ha samme digitale signatur. I botanikken kan to helt forskjellige slekter skilles kun av hårene på stilken.

Derfor gir en plante-app deg en liste over mulige kandidater med en prosentvis sannsynlighet, mens Shazam bare gir deg ett enkelt svar. Denne prosentsatsen er det beste et slikt system kan tilby.

Med Shazam har kvaliteten på opptaket ditt minimalt å si. I en plante-app er bildet du tar halvparten av suksessen.

Hvilken app er egentlig "Shazam for planter"

Fem ulike verktøy kjemper om merkelappen, og de er utviklet for helt forskjellige formål. Ingen av artiklene som sprer kallenavnet på nettet sammenligner faktisk disse fem.

Opplysninger er hentet fra de offisielle appbutikkene og appenes egne nettsteder per 22. august 2026.

Pl@ntNet er ærlig talt sterk på det den har satt seg fore. Den drives av CIRAD, INRAE, INRIA og IRD, dekker 84 710 arter i 77 floraer, og hvert innsendte bilde blir til vitenskapelige data om biologisk mangfold. Den har ingen betalingsmur og er ikke et lokkemiddel for abonnement. Men målet dens er å kartlegge verdens flora, ikke å finne navnet på potteplanten i hyllen din.

Google Lens er den mest tilgjengelige løsningen siden den allerede finnes på telefonen din. Men den er også den minst presise i denne gruppen når det gjelder planter, og det er lurt å sette seg inn i hvor Google Lens treffer og hvor den bommer før du stoler blindt på det første resultatet. For en komplett oversikt har vi samlet de beste appene for planteidentifikasjon med fokus på hva de ulike alternativene faktisk er gode på.

Fellen: Appen bak kallenavnet ble laget for ville planter

Dette skriver Pl@ntNet ordrett i sin offisielle beskrivelse i franske App Store:

"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."

På norsk: Pl@ntNet identifiserer alle typer planter som lever i naturen, og identifiserer også mange planter som dyrkes i parker og hager, "men dette er ikke dens primære oppgave". Dette er skrevet av skaperne selv, i ficha do app, og ingen av tekstene som har gitt appen kallenavnet "Shazam for planter" siterer denne setningen.

Prosjektdokumentasjonen forklarer hvorfor. Pl@ntNet søker innenfor "floraer", lister over arter etter geografisk region. Dette er utmerket for ville planter, som har et territorium, og lite nyttig for prydplanter, som vanligvis har sin opprinnelse svært langt unna der de blir dyrket. Din gullranke kommer fra Polynesia og står på en hylle i São Paulo. Ingen regional flora forutser dette.

Forskningen bekrefter dette bildet. I en feltstudie fra 2023 med 857 bilder valgte forskerne bevisst å ekskludere "eksotiske" arter fra parker og hager. Det betyr at de imponerende nøyaktighetstallene man ofte hører om, ble målt på planter i skog, mark og veikant. Hvis du vil bruke en app som faktisk er tilpasset grønne planter innendørs, bør du se på alternativer til Pl@ntNet som er skreddersydd for dyrkede planter.

Slik tar du bilder som appen faktisk forstår

Disse rådene gjelder uansett hvilken av de fem appene du bruker. Siden systemene beregner sannsynlighet i stedet for å finne et nøyaktig treff, har kvaliteten på bildet mer å si for resultatet enn selve appen du velger.

1. Fotografer en enkelt del, ikke hele planten. Blomster, frukter og blader bærer på nesten all informasjon om arten. Et bilde av hele potteplanten ser kanskje fint ut, men det er det som hjelper appen minst.

2. Isoler bladet mot en nøytral bakgrunn. Et flatt blad mot et hvitt ark fjerner forstyrrende bakgrunnsdetaljer, som ellers fort kan forvirre algoritmen.

3. Gå tett nok på til at bladnerver og kanter vises tydelig. Det er ofte disse små detaljene som skiller ulike arter i samme slekt fra hverandre.

4. Send inn flere bilder hvis appen tillater det. Både Pl@ntNet og Bloom lar deg laste opp bilder fra flere vinkler, noe som gjør det lettere å snevre inn listen over kandidater.

5. Bruk naturlig lys fra et vindu fremfor blits. Blits kan viske ut fargene på bladet og gjøre det vanskeligere å se strukturen i nervene.

6. Sjekk de fem første forslagene, ikke bare det øverste. I feltstudien fra 2023 økte dette treffsikkerheten til Google Lens fra 57 % til hele 74 %.

Dersom planten ikke blomstrer, noe stueplanter sjelden gjør innendørs, bør du satse på et nærbilde av et enkelt blad der nervene er godt synlige. I en studie publisert i PLOS ONE traff de seks testede appene oftere når planten hadde blomster, men uten blomster er et godt fotografert blad det beste holdepunktet du kan gi appen.

De plantene folk oftest lurer på navnet på, er gjerne de mest vanlige stueplantene:

Navnet på planten er ofte bare halve svaret

Det andre punktet der sammenligningen med Shazam svikter, handler om hva som skjer etter at du har fått svaret.

Når Shazam forteller deg navnet på en sang, er jobben gjort. Du lurte på hva den het, du fikk svaret, og du kan spille den av. Når en app forteller deg at stueplanten din heter Epipremnum aureum, er du egentlig like langt. Du var ikke bare ute etter navnet; du ville vite hvorfor bladene blir gule, hvor ofte den skal vannes, og om den er giftig for katten din.

Det er her Pl@ntNet og Seek, som ellers er fantastiske verktøy, stopper opp. De ble laget for å registrere biologisk mangfold, ikke for å hjelpe deg med plantestell. Etter at du har fått navnet, må du finne ut av resten selv.

Appen Bloom løser dette problemet for stueplanter. Den identifiserer planten basert på bilder ved hjelp av Plant.id, en KI-motor med en dokumentert nøyaktighet på 93 % i uavhengige tester. Basert på arten setter appen opp en skreddersydd plan for vanning og lysforhold. Gratisversjonen gir deg to identifiseringer i måneden og en vanningskalender, mens funksjoner som sykdomsdiagnose via bilder er forbeholdt Premium-brukerne. Appen har en solid vurdering på 4,8 med over tusen anmeldelser.

Hvis du allerede vet hva planten heter, men lurer på hvorfor den skranter, bør du heller ta en titt på guiden vår om hva som feiler planten din basert på symptomene du ser på bladene.

Hvor treffsikre er disse appene egentlig?

To fagfellevurderte studier fra 2023 gir oss de mest pålitelige tallene vi har i dag.

I feltstudien publisert i People and Nature (DOI 10.1002/pan3.10460) tok seksten økologer 857 bilder med sin egen mobiltelefon, noe som dekket 277 arter. Pl@ntNet foreslo riktig art på førstevalget på 86,6 % av bildene, og hadde riktig art blant de 5 første på 95 %. Google Lens klarte 57 % på førstevalget.

I PLOS ONE-studien (DOI 10.1371/journal.pone.0283386), med 38 urteaktige arter fotografert i sitt naturlige habitat, alle med samme apparat og uten bildebehandling, traff Pl@ntNet riktig på 88,21 % med blomst og 80,36 % med blad, mot 67,86 % og 55,00 % for Google Lens.

Det er likevel to viktige forbehold man må ta:

Man kan ikke sammenligne tall på tvers av ulike studier. Hver undersøkelse bruker ulike utvalg av planter, ulike kriterier og metoder. Sammenligningene over er kun gyldige fordi de ble gjort innenfor samme studie. Å sette opp en rangering ved å hente tall fra forskjellige forskningsrapporter blir misvisende.

Ingen av disse testene ble utført på vanlige stueplanter. Begge studiene tok for seg viltvoksende planter i naturen, og den ene ekskluderte som nevnt bevisst hageplanter. Det finnes ingen publiserte tester for vanlige potteplanter som gullranke, zamioculcas eller vindusblad. Alle som påstår at de har nøyaktige suksessrater for stueplanter, gjetter i realiteten, og det er greit å være ærlig om det.

Ofte stilte spørsmål

Finnes det egentlig en "Shazam for planter"?

Ikke som et eget offisielt produkt. Det er et kallenavn pressen bruker om apper som kjenner igjen planter via bilder. I praksis sikter uttrykket nesten alltid til Pl@ntNet, som har blitt omtalt slik siden 2017. Sammenligningen er fin som et bilde på konseptet, men teknisk sett fungerer de ulikt: Shazam matcher mot en eksakt fil, mens en plante-app beregner sannsynlighet.

Hvilken gratis app er best til å identifisere planter?

Det kommer an på hvor planten befinner seg. For ville planter ute i naturen er Pl@ntNet den mest presise av gratisappene, med en målt treffsikkerhet på 86,6 % på førstevalget i feltstudier. For stueplanter bør du velge en app som er utviklet for dyrkede arter, slik som Bloom, som også har en gratisversjon.

Hvordan finner jeg navnet på en plante ved hjelp av et bilde?

Ta et nærbilde av en enkelt del av planten, helst en blomst, frukt eller et blad, mot en nøytral bakgrunn og i godt dagslys. Last opp bildet i appen og sjekk de fem første forslagene, ikke bare det øverste. Studier viser at å se på de fem første forslagene øker sjansen for å finne riktig art med rundt 17 prosentpoeng.

Er Pl@ntNet gratis?

Ja, den er helt gratis. Den drives av fire franske offentlige forskningsinstitutter (CIRAD, INRAE, INRIA og IRD) og fungerer som et folkeforskningsprosjekt der bildene dine bidrar til forskning på biologisk mangfold. Til gjengjeld er den først og fremst utviklet for viltvoksende natur, ikke for stueplantene dine.

Kan Google identifisere planter ut fra bilder?

Ja, gjennom Google Lens, som er gratis og allerede finnes på Android-telefoner. I en feltstudie med 857 bilder foreslo den riktig art som førstevalg i 57 % av tilfellene, mot 86,6 % for Pl@ntNet i samme undersøkelse. Den er dermed den mest lettvinte, men også den minst presise i testen.

Konklusjon

Appen som oftest får kallenavnet, ble opprinnelig utviklet for viltvoksende planter, noe utviklerne selv opplyser om.

Hvilken app du bør velge, avhenger av hvor planten din står. Ute i skog og mark fungerer Pl@ntNet utmerket hvis du tar et godt nærbilde av et blad eller en blomst. Innendørs bør du heller bruke en app som er laget for dyrkede stueplanter, og som kan hjelpe deg videre med stellet etter at du har fått svaret på hva den heter. Bloom gjør nettopp dette på iPhone og iPad, og du kan starte helt gratis.