Identificação de planta por IA: como funciona e quanto acerta

Identificação de planta por IA é o reconhecimento da espécie de uma planta viva a partir de uma foto: o programa compara os padrões visuais da imagem (contorno e nervura da folha, formato da flor, textura da casca) com milhões de fotos já identificadas por botânicos e devolve uma lista de espécies candidatas, da mais provável para a menos provável. Nada nesse processo envolve entender a planta.

Em estudos revisados por pares publicados entre 2020 e 2025, os apps acertaram a espécie na primeira sugestão entre 17% e 90% das fotos, e boa parte dessa distância não vem do app: vem do que você fotografou. A mesma câmera, a mesma planta e o mesmo aplicativo mudam de resultado quando a foto é da casca em vez da folha, ou quando a planta está florida.

Resumo rápido:

• No estudo de 55 espécies de árvore de Schmidt e colegas (2022), o app mais preciso acertou a espécie em 83,86% das fotos de folha e em 51,82% das fotos de casca. São 32 pontos de queda com a mesma planta e o mesmo app.

• Em 560 fotos de plantas herbáceas irlandesas (Campbell, Peacock e Bacon, 2023), todos os apps medidos foram melhores com flor do que com folha, com diferenças de 6 a 29 pontos.

• Nenhum estudo publicado até hoje mediu acurácia em planta de interior cultivada. Os testes que existem usaram árvore de rua, flora silvestre e planta de campo.

• Cultivar não é espécie: para o modelo, uma Monstera 'Thai Constellation' e uma 'Albo' são a mesma planta.

• Resultado de app não vale como veredito de segurança. Em teste publicado em Clinical Toxicology (2023), 5 de 11 espécies tóxicas foram apontadas como comestíveis por ao menos um dos apps.

O que a IA realmente faz quando você fotografa uma planta

Um identificador de planta por IA não sabe botânica. Ele é um modelo de visão computacional treinado em um banco de fotos já identificadas, e o que ele faz é medir semelhança: transforma a sua foto em uma lista de sinais numéricos (bordas, curvas, texturas, proporções) e procura, no banco, as espécies cujas fotos produzem sinais parecidos. O resultado é um ranking de candidatas com um grau de confiança em cada uma.

Isso tem quatro consequências práticas que explicam quase todo erro que você vai ver:

1. O que não está no banco não pode ser reconhecido. O Pl@ntNet, que é o maior projeto aberto da área, publica os próprios números: 84.710 espécies e mais de 1,47 bilhão de imagens, distribuídas em 77 floras regionais. É muito, e ainda assim é uma fração das cerca de 400 mil espécies de plantas com flor descritas no mundo.

2. O grau de confiança mede semelhança, não verdade. Um número alto significa "esta foto se parece muito com as fotos desta espécie no meu banco". Se a espécie certa não estiver lá, o modelo devolve com confiança a vizinha mais parecida.

3. A parte da planta importa mais que o app. Cada órgão carrega uma quantidade diferente de informação taxonômica, e o modelo só tem o que a foto mostrar.

4. O modelo é uma média. Ele foi treinado com fotos de plantas adultas, saudáveis e no ambiente onde a espécie costuma ser fotografada. Quanto mais o seu caso se afasta disso, mais ele erra.

O próprio Pl@ntNet diz a frase que nenhuma página de produto diz: "como qualquer modelo de IA, o Pl@ntNet não é infalível".

Quanto a identificação por IA acerta, segundo quem mediu

Em quatro estudos revisados por pares publicados entre 2020 e 2025, apps de identificação de planta por IA acertaram a espécie na primeira sugestão em 17% a 90% das fotos, dependendo do app, da flora testada e da parte da planta fotografada. O acerto até o gênero é sempre maior que o acerto até a espécie.

Abaixo está o número de cada um. Esses estudos usaram floras, amostras e critérios diferentes, então os números só podem ser comparados dentro de cada linha, nunca entre linhas. Um app que aparece com 83% num estudo de árvore de New Jersey não é "melhor" que outro com 57% num estudo de flora britânica.

Dois padrões atravessam os quatro trabalhos. O primeiro é que os apps melhoraram rápido: a distância entre o estudo de 2020 e o de 2025 é grande demais para ser ruído. O segundo é que o enquadramento mexe no resultado dentro de um mesmo app tanto quanto a distância que separa os apps do topo: no estudo de Schmidt, trocar folha por casca custou 32 pontos ao app mais preciso, mais que o dobro dos 14 pontos que o separavam do segundo colocado.

O app que você baixa quase nunca é quem faz o reconhecimento. Vários deles chamam um motor de terceiros por trás da tela. O Bloom identifica pelo Plant.id, o mesmo motor que ficou em primeiro lugar no estudo de Jones (2020) e que aparece hoje como primeiro resultado do Google para busca de identificação de planta, com 93% de acurácia testada por universidades independentes. Esse número é do motor de reconhecimento, não do aplicativo inteiro, e é assim que ele deve ser lido em qualquer app que use o mesmo fornecedor.

Por que a foto da casca erra muito mais que a da folha

Foto de casca é o pior enquadramento possível para um identificador de planta por IA. No estudo de Schmidt e colegas (2022), as mesmas 55 espécies foram fotografadas duas vezes, uma pela folha e outra pela casca, com o mesmo aparelho e pelos mesmos avaliadores. A queda é a seguinte:

São 32,04 pontos de queda na espécie pelo PictureThis e 37,73 pelo iNaturalist. O abstract do estudo resume assim: "these apps are much more accurate in identifying leaf photos as compared to bark photos" (estes apps são bem mais precisos ao identificar fotos de folha do que fotos de casca).

A causa é botânica, não computacional. A folha carrega caracteres que separam espécies de verdade: contorno, tipo de margem (lisa, serrilhada, lobada), desenho da nervura, ponto onde o pecíolo se prende. A casca carrega textura, e textura de casca varia com a idade da árvore, com a umidade do dia, com liquens e fungos que cresceram em cima e com o lado do tronco que você fotografou. Duas espécies diferentes podem ter cascas quase iguais aos 20 anos, e a mesma espécie muda de casca entre os 5 e os 50.

A mesma planta, florida, muda o resultado

Flor é o enquadramento mais informativo que existe para identificação por IA, e a diferença é grande o bastante para mudar a sua decisão de quando fotografar. No estudo de Campbell, Peacock e Bacon (2023), 38 espécies herbáceas foram fotografadas 560 vezes, metade em foto de folha e metade em foto de flor, com o mesmo celular e sem edição de imagem. Dentro de cada app:

O efeito aparece de novo, de forma independente, em Hart et al. (2023), People and Nature 5(2), que registra: "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (os aplicativos de pior desempenho foram significativamente melhores quando havia uma flor presente).

A razão é a mesma da casca. A flor é a estrutura que a botânica usa há três séculos para classificar plantas, porque número de pétalas, simetria, posição dos estames e formato do cálice são estáveis dentro da espécie e diferentes entre espécies. A folha é mais ambígua: dezenas de espécies de aráceas têm folha verde, brilhante e ovalada.

Jiboia, zamioculca, costela-de-adão, samambaia e espada-de-são-jorge raramente ou nunca florescem dentro de um apartamento. Quem fotografa planta de interior está quase sempre no cenário de menor acerto.

Por que a planta do seu apartamento é o caso mais difícil

Planta de interior cultivada é o cenário de pior acerto para identificação por IA, por três motivos que se somam: ela nunca foi medida por estudo publicado, costuma ser um cultivar que a taxonomia não separa da espécie, e quase nunca aparece florida.

Nenhum estudo publicado mediu planta de interior cultivada. Vale conferir o que cada um usou: Schmidt e colegas (2022) testaram árvore de rua e de floresta de New Jersey; Campbell, Peacock e Bacon (2023) testaram herbácea de campo irlandesa; Jones (2020) testou flora britânica; e Hart et al. (2023) testaram flora selvagem do Reino Unido, tendo excluído de propósito as espécies exóticas de parque e jardim. Quando você lê "os apps acertam 85%", esse 85% foi medido em mato, não na sua sala.

Cultivar não é espécie, e o modelo só conhece espécie. A planta que você comprou na floricultura costuma ser uma seleção hortícola com nome de fantasia. Uma Monstera deliciosa 'Thai Constellation' e uma 'Albo Borsigiana' são, taxonomicamente, a mesma espécie: o que muda é uma mutação de variegação, que é justamente o que o seu olho usa para diferenciar as duas e o que o modelo aprendeu a ignorar como variação de iluminação. Não existe rótulo separado no banco para a maioria dos cultivares, então o app acerta a espécie e erra a planta que você tem na mão.

Planta de casa está quase sempre fora do padrão de treino. As fotos de referência mostram plantas adultas, íntegras e no habitat. A sua está em vaso pequeno, podada, esticada em direção à janela, com folha nova menor que o normal, talvez com ponta seca e sem nenhuma flor. Cada um desses desvios afasta a imagem do que o modelo viu no treinamento, e eles se somam.

O app continua servindo para planta de interior. Só que os números publicados são o teto, não a média do seu uso, e confirmar o resultado vale mais aqui do que no mato.

Quando o erro sai caro: planta tóxica e pet

Identificação de planta por IA não é confiável para decidir se uma planta é tóxica. Em teste publicado em Clinical Toxicology 61(7) em 2023, 5 de 11 espécies potencialmente tóxicas foram identificadas como comestíveis por ao menos um dos apps avaliados. O estudo de Campbell, Peacock e Bacon incluiu duas plantas tóxicas e chega à mesma conclusão, em uma frase que vale citar inteira:

"They should not be trusted to identify toxic species." Eles não devem ser considerados confiáveis para identificar espécies tóxicas.

A regra prática é simples: use o app como primeiro filtro e confirme a espécie em fonte botânica antes de deixar a planta ao alcance de gato, cachorro ou criança, e nunca ingira nada com base em identificação por foto. Duas das plantas de casa mais comuns no Brasil estão entre as tóxicas para pets:

Como fotografar para a IA acertar mais

O enquadramento da foto muda mais o resultado da identificação por IA do que a escolha do app. Seis regras, cada uma ancorada em um número medido por estudo revisado por pares:

1. Se houver flor, fotografe a flor. É a diferença de 6 a 29 pontos da tabela do PLOS ONE, dentro do mesmo app.

2. Prefira folha a casca, sempre. São até 32 pontos de espécie no estudo de Schmidt e colegas.

3. Um órgão por foto. Enquadre a folha inteira ou a flor inteira ocupando o quadro, não a planta toda de longe.

4. Fundo limpo. Folha apoiada em papel branco ou na palma da mão elimina o que o modelo pode confundir com parte da planta.

5. Chegue perto o bastante para a nervura aparecer. O desenho da nervura é metade da informação taxonômica que a folha oferece.

6. Leia as 5 primeiras sugestões, não só a primeira. Em Hart et al. (2023), o acerto médio dos apps sobe de 69% na primeira sugestão para 85% dentro das cinco primeiras. A espécie certa costuma estar na lista, só não em cima.

Se o app oferecer, envie mais de uma foto da mesma planta mostrando partes diferentes. Sistemas que aceitam múltiplas imagens combinam os sinais e chegam mais perto.

Existe identificação de planta por IA gratuita?

Sim, em três formatos diferentes.

Gratuito sem limite, de origem acadêmica. O Pl@ntNet é um projeto de pesquisa pública francesa e não cobra nada. É o mais forte em planta silvestre e nativa, mostra o grau de confiança e oferece candidatas alternativas em vez de cravar uma só. Não faz cuidado nem lembrete.

Gratuito e embutido no celular. O Google Lens está dentro do app do Google e do Chrome, funciona no Android e no iPhone e não tem limite publicado de identificações. Nos dois estudos que o mediram, ficou entre 55% e 68% de acerto na primeira sugestão, atrás dos apps feitos só para plantas. O caminho completo está em como identificar planta com o Google Lens.

Modo gratuito com cota, dentro de app de cuidado. Aqui a oferta varia muito e a maioria dos apps de identificação não tem modo gratuito nenhum. O Bloom tem: dá 2 identificações por mês e a agenda de rega, sem prazo. Para comparar o que cada um entrega, a lista completa está em os melhores apps para identificar plantas.

Perguntas frequentes

Existe uma ferramenta de IA gratuita para identificar plantas?

Sim. O Pl@ntNet é gratuito e sem limite por ser projeto de pesquisa pública, e o Google Lens vem embutido no app do Google e do Chrome. Apps de cuidado com modo gratuito de cota também existem, mas são minoria. Nenhum deles cobra para a primeira identificação.

Qual o app de identificação de planta mais preciso?

Depende do que você fotografa, e a resposta honesta é que não dá para eleger um. Cada estudo testou uma flora diferente: o PictureThis liderou em árvore de New Jersey, o Pl@ntNet em herbácea irlandesa e o Plant.id em flora britânica. Comparar números entre estudos diferentes não é válido.

A IA identifica planta de interior tão bem quanto planta silvestre?

Não há estudo publicado que meça isso. Todos os testes revisados por pares usaram árvore de rua ou flora silvestre, e um deles excluiu de propósito espécies de jardim. Planta de casa costuma ser cultivar sem flor e fora do padrão de treino, o que tende a reduzir o acerto.

O app consegue dizer qual é a variedade da minha planta?

Raramente. Cultivares como 'Thai Constellation' e 'Pink Princess' são a mesma espécie que a forma comum, e a diferença está numa mutação de cor que o modelo aprendeu a tratar como variação de luz. Espere o nome da espécie, não o da variedade.

Posso usar identificação por IA para saber se uma planta é tóxica?

Como primeiro filtro, sim. Como veredito, não. Em teste de 2023 na Clinical Toxicology, 5 de 11 espécies tóxicas foram apontadas como comestíveis por ao menos um app. Confirme a espécie em fonte botânica antes de deixar a planta perto de pet ou criança.

Conclusão

O que decide o resultado é o que entra na foto. Dentro do mesmo app e da mesma planta, trocar casca por folha vale até 32 pontos de acerto, e trocar folha por flor vale até 29. Escolher bem esse enquadramento é o único ajuste que está na sua mão, e ele rende mais do que trocar de app. Se a sua planta é de dentro de casa, some ainda a ressalva de que nenhum estudo publicado mediu esse caso, e trate o nome que aparecer na tela como a melhor hipótese disponível, não como resposta final.

O próximo passo prático é fotografar de novo, seguindo os seis itens acima, e conferir se a espécie se repete. Se ela mudar entre duas fotos boas da mesma planta, é sinal de que o modelo está inseguro e você precisa de uma segunda fonte.

Quando a pergunta por trás do nome é "e agora, o que eu faço com ela", o nome sozinho não resolve. É onde entra um app que continua depois da identificação, com a rega e a luz daquela espécie. O Bloom faz isso, identifica pelo Plant.id e está disponível só no iPhone.

Se o seu caso já é planta doente e não planta desconhecida, o caminho é outro: comece por descobrir o que a sua planta tem.