De Shazam voor planten: welke app doet dit nu echt?

"Shazam voor planten" is een term van journalisten, geen echte merknaam. Geen enkel bedrijf heeft deze naam geregistreerd. Wie de term intypt op Google, komt bijna altijd uit bij Pl@ntNet. Dit is een Franse app die wordt onderhouden door vier openbare onderzoeksinstituten en die al sinds 2017 door de media zo wordt genoemd.

Wat de media er meestal niet bij vertellen, staat gewoon in de officiële appbeschrijving. In het Frans staat daar dat Pl@ntNet bedoeld is voor planten "vivant dans la nature" en dat het identificeren van gekweekte planten "niet de primaire doelstelling" is. Als jouw plant in een pot in de woonkamer staat, is de app die deze bijnaam kreeg dus eigenlijk niet voor jou gemaakt.

Snelle samenvatting:

• De bijnaam is van niemand. In de praktijk kom je uit bij Pl@ntNet, dat inmiddels 84.710 soorten dekt en meer dan 1,4 miljard afbeeldingen van gebruikers heeft verzameld.

• De officiële beschrijving van Pl@ntNet in de Franse App Store vermeldt dat het herkennen van gekweekte planten "niet de primaire doelstelling" is. De app is gemaakt voor wilde flora.

• Planten herkennen is technisch gezien veel moeilijker dan muziek herkennen. Shazam zoekt naar een exacte match van een digitale audio-vingerafdruk, terwijl een planten-app alleen een waarschijnlijkheid kan inschatten.

• In het veld, met wilde planten, identificeren de specifieke apps de soort correct bij de eerste suggestie in ongeveer 86% van de gevallen (Hart et al., 2023). Er is geen gepubliceerde test met gecultiveerde kamerplanten.

• Voor kamerplanten heb je een app nodig die daar speciaal voor is gebouwd. Bloom identificeert via Plant.id, een herkenningssysteem dat door onafhankelijke universiteiten is getest op een nauwkeurigheid van 93%. De app heeft een score van 4,8 met meer dan duizend beoordelingen and biedt een gratis modus.

Wat is de "Shazam voor planten"?

De "Shazam voor planten" is hoe de media apps noemen die een plantensoort herkennen aan de hand van een foto, net zoals de app Shazam muziek herkent aan het geluid. Het is geen merk. Sinds 2017 kleeft de bijnaam vooral aan Pl@ntNet, een gratis app voor burgerwetenschap die is ontwikkeld door Franse onderzoeksinstituten.

Waar de bijnaam vandaan komt

Shazam bestaat sinds 2002 en heeft inmiddels de grens van 100 miljard herkende nummers overschreden, aldus Apple. De app is de universele afkorting geworden om alles uit te leggen wat via een mobiele telefoon de wereld identificeert.

Toegepast op planten sloeg de analogie aan. De Australische Vogue gebruikte "Shazam for plants" in 2017. Konbini schreef "un Shazam pour identifier les plantes" in 2019, doelend op Seek. 20 Minutes publiceerde in april de 2026 een reportage waarin Pl@ntNet "le Shazam des plantes" werd genoemd. In Brazilie gebruikte ArchDaily dezelfde uitdrukking, eveneens over Pl@ntNet.

Niemand heeft deze vergelijking ooit echt getoetst, en op twee cruciale punten loopt de vergelijking spaak.

Waarom een plant herkennen moeilijker is dan muziek

Het grote verschil zit in het materiaal dat wordt vergeleken.

Muziek heeft een origineel. Een plant niet. Het algoritme dat Shazam tot op de dag van vandaag gebruikt, werd in 2003 gepubliceerd door Avery Wang (PDF van het originele artikel). Het reduceert de audio tot paren van frequentiepieken, zet deze paren om in codes en zoekt naar een exacte overeenkomst in de catalogus. Dit werkt omdat de opname een vast object is: hetzelfde nummer klinkt identiek op de radio, door de koptelefoon en in een luidruchtig café. Shazam raadt de muziek niet, het vindt het bestand terug.

Een plantensoort heeft geen vast digitaal bestand. Dezelfde gatenplant (Monstera) ziet er heel anders uit afhankelijk van het seizoen, de leeftijd, het licht en hoe vaak hij is gesnoeid. Een jong blad van een gatenplant heeft nog helemaal geen gaten en lijkt totaal niet op een volwassen blad van dezelfde plant. Gekweekte varianten veranderen van kleur en bladtekening zonder dat de soort verandert.

Bovendien lijken verschillende soorten erg op elkaar. De beschrijving van Pl@ntNet waarschuwt hier zelf al voor: "er zijn veel planten die er van een afstand hetzelfde uitzien, en soms zijn het juist de kleine details die twee soorten binnen hetzelfde geslacht onderscheiden". Bij muziek hebben twee verschillende nummers nooit dezelfde vingerafdruk. In de botanie kunnen twee complete geslachten soms alleen van elkaar worden onderscheiden door de beharing op de stengel.

Daarom toont een plantenzoeker altijd een lijst met mogelijke kandidaten met een betrouwbaarheidspercentage, terwijl Shazam gewoon één naam geeft. Dat percentage is het maximale dat een schattingssysteem kan bieden.

Bij Shazam maakt de kwaliteit van je opname amper uit. Bij een planten-app bepaalt de foto die je maakt de helft van het resultaat.

Welke app is de echte "Shazam voor planten"?

Er zijn vijf bekende apps die strijden om deze bijnaam, en ze zijn allemaal voor iets anders gemaakt. Geen van de websites die de bijnaam gebruiken, vergelijkt deze vijf opties met elkaar.

Gegevens uit de officiële app-stores en websites van de apps, geraadpleegd op 22 augustus 2026.

Pl@ntNet is oprecht sterk in wat het beoogt. Het wordt onderhouden door CIRAD, INRAE, INRIA en IRD, dekt 84.710 soorten in 77 flora's, en elke geüploade foto wordt wetenschappelijke data over biodiversiteit. Het heeft geen paywall en is geen lokaas voor een abonnement. Alleen is het doel ervan om de flora van de wereld te inventariseren, en niet om de naam van de potplant op je plank te achterhalen.

Google Lens is het makkelijkst te gebruiken, omdat het waarschijnlijk al op je telefoon staat. Het is binnen deze groep echter ook de minst nauwkeurige optie voor planten. Het is handig om te weten waar Google Lens goed in is en waar het de mist in gaat voordat je blind vertrouwt op de eerste suggestie. Als je een compleet overzicht wilt, hebben we de beste apps voor het identificeren van planten op een rij gezet, inclusief de sterke punten van elke app.

De adder onder het gras: de app met de bijnaam is gemaakt voor wilde planten

De officiële beschrijving van Pl@ntNet in de Franse App Store zegt het letterlijk:

"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."

In het Portugees: Pl@ntNet identificeert allerlei soorten planten die in de natuur leven, en identificeert ook veel gecultiveerde planten in parken en tuinen, "maar dat is niet zijn eerste roeping". Dit is geschreven door de makers zelf, op de ficha do app, en geen van de teksten die de app de Shazam voor planten hebben genoemd, citeert deze zin.

De projectdocumentatie legt uit waarom. Pl@ntNet zoekt binnen "flora's", lijsten van soorten per geografische regio. Dit is uitstekend voor wilde planten, die een territorium hebben, en weinig nuttig voor sierplanten, waarvan de oorsprong meestal ver ligt van de plek waar ze worden gekweekt. Je drakenklimop komt uit Polynesië en staat op een plank in São Paulo. Geen enkele regionale flora voorziet dat.

Wetenschappelijk onderzoek bevestigt dit beeld. In een veldtest uit 2023 met 857 foto's sloten de onderzoekers bewust alle "exotische" park- en tuinplanten uit. Dit betekent dat de hoge nauwkeurigheidscijfers die over deze apps rondgaan, zijn gemeten in bossen, weilanden en langs de weg. Als je Pl@ntNet wilt gebruiken voor een plant die binnen staat, kun je beter kijken naar alternatieven voor Pl@ntNet die speciaal zijn gemaakt voor gekweekte planten.

Hoe maak je een foto die de app wel herkent?

Dit geldt voor alle vijf de besproken tools. Omdat het systeem een schatting maakt in plaats van een exact bestand te zoeken, heeft de kwaliteit van de foto meer invloed op het resultaat dan de appkeuze.

1. Fotografeer een specifiek plantendeel, niet de hele plant. Bloemen, vruchten en bladeren bevatten de meeste informatie over de soort. Een foto van de hele bloempot ziet er leuk uit, maar helpt de app het minst.

2. Isoleer het blad tegen een egale achtergrond. Een platgelegd blad op een wit vel papier verwijdert ruis op de achtergrond, wat voorkomt dat het model in de war raakt.

3. Kom dichtbij genoeg om de nerven en de bladrand te zien. Juist deze details maken het verschil tussen soorten uit hetzelfde geslacht.

4. Stuur meerdere foto's als de app dit toestaat. Pl@ntNet en Bloom laten je foto's vanuit verschillende hoeken toevoegen, wat de lijst met mogelijke kandidaten direct verkleint.

5. Gebruik liever daglicht bij het raam dan de flitser. Een flitser kan de kleur van het blad overbelichten en de structuur van de nerven onzichtbaar maken.

6. Bekijk de top 5 suggesties, niet alleen de eerste. In de veldtest van 2023 steeg de nauwkeurigheid van Google Lens hierdoor van 57% naar 74%.

Als de plant niet bloeit (en kamerplanten bloeien zelden), kies dan voor een duidelijke foto van één blad van dichtbij, zodat de nerven goed zichtbaar zijn. In een onderzoek in PLOS ONE scoorden de zes geteste apps beter met bloemen dan met bladeren. Zonder bloemen is een scherpe foto van een blad je beste kans.

De planten die het vaakst zonder naam binnenkomen, zijn de bekendste kamerplanten:

De naam is pas het halve werk

De vergelijking met Shazam loopt ook na het krijgen van het antwoord spaak.

Als Shazam de naam van een liedje geeft, ben je klaar. Je wilde de titel, je krijgt de titel, en je drukt op play. Als een planten-app meldt dat je plant een Epipremnum aureum is, ben je nog nergens. Je wilde eigenlijk niet alleen de naam weten. Je wilde weten waarom het blad geel wordt, hoe vaak je water moet geven en of de kat er aan mag kauwen.

Dit is waarom Pl@ntNet en Seek, hoe goed ze ook zijn in identificatie, je halverwege achterlaten. Ze zijn gemaakt om biodiversiteit te registreren, niet om planten te verzorgen. Na het vinden van de naam sta je er nog steeds alleen voor.

De app Bloom lost dit op voor kamerplanten. De app identificeert de plant via een foto met behulp van Plant.id, een herkenningssysteem met een bewezen nauwkeurigheid van 93% volgens onafhankelijke universiteiten. Op basis van de naam stelt de app direct een watergeef- en lichtschema op voor die specifieke soort. In de gratis versie krijg je 2 identificaties per maand en toegang tot het watergeefschema. De ziektediagnose via foto, die jouw zieke blad vergelijkt met bekende symptomen, is een Premium-functie. De app heeft een score van 4,8 met meer dan duizend beoordelingen.

Als je de naam al weet maar je zorgen maakt over de gezondheid van je plant, kun je beter kijken naar ons overzicht over wat er met je plant aan de hand is op basis van de symptomen op het blad.

Hoe nauwkeurig zijn deze apps nu echt?

Twee collegiaal getoetste onderzoeken uit 2023 bieden de beste objectieve cijfers die we hebben.

In de veldstudie gepubliceerd in People and Nature (DOI 10.1002/pan3.10460) maakten zestien ecologen 857 foto's met hun eigen mobiele telefoon, waarmee ze 277 soorten vastlegden. Pl@ntNet had de soort bij 86,6% van de foto's direct bij de eerste suggestie goed en had de juiste soort in 95% van de gevallen in de top 5 staan. Google Lens scoorde 57% bij de eerste suggestie.

In het onderzoek van PLOS ONE (DOI 10.1371/journal.pone.0283386), met 38 kruidachtige soorten gefotografeerd in hun eigen habitat, allemaal met hetzelfde apparaat en zonder beeldbewerking, had Pl@ntNet het 88,21% correct met bloem en 80,36% met blad, tegenover 67,86% en 55,00% voor Google Lens.

Twee belangrijke kanttekeningen:

Je kunt cijfers uit verschillende onderzoeken niet zomaar vergelijken. Elk onderzoek gebruikt een eigen flora, andere steekproeven en eigen criteria. De bovenstaande vergelijkingen zijn alleen betrouwbaar omdat ze binnen hetzelfde onderzoek zijn uitgevoerd. Het percentage van de ene app uit het ene onderzoek naast het percentage van een andere app uit een ander onderzoek leggen, levert een vertekend beeld op.

Geen van deze tests is uitgevoerd met gekweekte kamerplanten. Beide onderzoeken richten zich op wilde planten in de natuur, en een van de twee sloot tuinplanten expliciet uit. Voor een gatenplant, een pannenkoekenplant of een zamioculcas in een pot is er simpelweg geen test gepubliceerd. Wie nauwkeurigheidscijfers claimt voor kamerplanten, baseert zich op aannames, en het is wel zo eerlijk om dat erbij te zeggen.

Veelgestelde vragen

Bestaat er echt een Shazam voor planten?

Niet als officieel product. Het is een bijnaam uit de media voor apps die planten herkennen aan de hand van een foto. In de praktijk doelt men hiermee bijna altijd op Pl@ntNet, dat al sinds 2017 zo wordt genoemd. De vergelijking is leuk bedacht, maar klopt technisch niet helemaal: Shazam zoekt naar een exacte geluidsopname, terwijl een planten-app een waarschijnlijkheid berekent.

Wat is de beste gratis app om planten te identificeren?

Dat hangt ervan af waar de plant staat. Voor wilde planten in de natuur is Pl@ntNet de meest nauwkeurige gratis optie, met een score van 86,6% correcte identificaties bij de eerste suggestie in een veldtest. Voor kamerplanten kun je beter een app kiezen die is gemaakt voor gekweekte soorten, zoals Bloom, die ook een gratis modus heeft.

Hoe vind ik de naam van een plant via een foto?

Maak een scherpe foto van één specifiek deel, zoals een bloem, vrucht of blad, tegen een egale achtergrond en bij voorkeur in daglicht bij het raam. Upload de foto in de gekozen app en bekijk de eerste vijf suggesties, niet alleen de eerste. Uit onderzoek blijkt dat het bekijken van de top 5 de kans op het juiste antwoord met zo'n 17 procentpunten verhoogt.

Is Pl@ntNet gratis?

Ja. De app wordt ondersteund door vier Franse openbare onderzoeksinstituten (CIRAD, INRAE, INRIA en IRD) en werkt als een project voor burgerwetenschap: de foto's die je instuurt, worden gebruikt voor wetenschappelijk onderzoek naar biodiversiteit. De app is daarom wel primair ontworpen voor wilde planten, niet voor de planten in jouw huiskamer.

Kan Google planten herkennen via een foto?

Ja, dat kan gratis en zonder extra installatie op Android via Google Lens. In een veldtest met 857 foto's herkende Google Lens de soort in 57% van de gevallen correct bij de eerste suggestie, vergeleken met 86,6% voor Pl@ntNet in hetzelfde onderzoek. Het is de meest toegankelijke, maar ook de minst nauwkeurige optie in deze groep.

Conclusie

De app die de bekende bijnaam draagt, is gemaakt voor wilde planten en vermeldt dit ook gewoon in de eigen appbeschrijving.

De beste keuze hangt af van waar je plant staat. Gebruik in de vrije natuur Pl@ntNet en maak een duidelijke foto van een bloem of een los blad. Gebruik binnenshuis een app die speciaal is ontworpen voor gekweekte kamerplanten en die je ook helpt met de verzorging na het vinden van de naam. Bloom doet dit en werkt op iPhone en iPad, te beginnen met de gratis modus.