Identifikácia rastlín pomocou AI: Ako funguje a nakoľko jej veriť

Identifikácia rastlín pomocou AI je rozpoznávanie druhu živej rastliny z fotografie. Softvér porovnáva vizuálne vzory na snímke (okraje a žilnatinu listu, tvar kvetu, textúru kôry) s miliónmi fotiek, ktoré už predtým určili botanici, a vráti zoznam možných druhov od najpravdepodobnejšieho po najmenej pravdepodobný. Celý tento proces prebieha bez toho, aby počítač rastline skutočne rozumel.

Vo vedeckých štúdiách publikovaných v rokoch 2020 až 2025 trafili aplikácie správny druh na prvý pokus pri 17 % až 90 % fotografií. Veľká časť tohto rozdielu pritom nevychádza zo samotnej aplikácie, ale z toho, čo presne ste odfotili. Rovnaký fotoaparát, rovnaká rastlina a tá istá aplikácia prinesú úplne iné výsledky, ak namiesto listu odfotíte kôru, alebo ak je rastlina práve rozkvitnutá.

Rýchly prehľad:

• V štúdii Schmidta a kolegov (2022), ktorá skúmala 55 druhov stromov, trafila najpresnejšia aplikácia správny druh pri 83,86 % fotiek listov, ale len pri 51,82 % fotiek kôry. To je rozdiel 32 percentuálnych bodov pri tej istej rastline a rovnakej aplikácii.

• Pri analýze 560 fotiek írskych bylinných rastlín (Campbell, Peacock a Bacon, 2023) fungovali všetky testované aplikácie lepšie s kvetom než s listom, pričom rozdiely sa pohybovali od 6 do 29 bodov.

• Doteraz žiadna publikovaná štúdia nemerala úspešnosť pri pestovaných izbových rastlinách. Všetky existujúce testy pracovali s pouličnými stromami, divokou flórou alebo poľnými rastlinami.

• Kultivar nie je botanický druh. Pre algoritmus sú napríklad Monstera 'Thai Constellation' a 'Albo' tá istá rastlina.

• Výsledok z aplikácie nemožno brať ako záruku bezpečnosti. V teste publikovanom v časopise Clinical Toxicology (2023) označila aspoň jedna z aplikácií 5 z 11 toxických druhov za jedlé.

Čo umelá inteligencia naozaj robí, keď odfotíte rastlinu

Aplikácia na identifikáciu rastlín nepozná botaniku. Je to model počítačového videnia natrénovaný na databáze už určených fotiek. Jeho jedinou úlohou je merať podobnosť: premení vašu fotku na zoznam číselných hodnôt (okraje, krivky, textúry, proporcie) a hľadá v databáze druhy, ktorých fotky vykazujú podobné hodnoty. Výstupom je rebríček kandidátov s priradenou mierou spoľahlivosti.

Z toho vyplývajú štyri praktické dôsledky, ktoré vysvetľujú takmer každú chybu, na ktorú narazíte:

1. Čo nie je v databáze, to nemožno rozpoznať. Pl@ntNet, ktorý je najväčším otvoreným projektom v tejto oblasti, zverejňuje svoje vlastné čísla: 84 710 druhov a viac ako 1,47 miliardy obrázkov, rozdelených do 77 regionálnych flór. Je to veľa, a predsa je to len zlomok z približne 400-tisíc opísaných druhov kvitnúcich rastlín na svete.

2. Miera spoľahlivosti vyjadruje podobnosť, nie pravdu. Vysoké číslo znamená iba to, že „táto fotka sa veľmi podobá na fotky tohto druhu v mojej databáze“. Ak tam správny druh chýba, model s vysokou istotou ponúkne najbližšieho podobného príbuzného.

3. Časť rastliny zaváži viac než samotná aplikácia. Každý orgán nesie iné množstvo taxonomických informácií a model vie pracovať len s tým, čo vidí na fotke.

4. Model funguje na princípe priemeru. Bol natrénovaný na fotkách dospelých, zdravých rastlín v ich prirodzenom prostredí. Čím viac sa váš prípad od tohto ideálu líši, tým častejšie bude dochádzať k chybám.

Samotný Pl@ntNet otvorene priznáva vetu, ktorú na produktových stránkach iných aplikácií nenájdete: „ako každý model AI, ani Pl@ntNet nie je neomylný“.

Nakoľko je identifikácia pomocou AI úspešná podľa reálnych meraní

V štyroch nezávislých štúdiách publikovaných v rokoch 2020 až 2025 dokázali aplikácie určiť správny druh na prvý pokus v 17 % až 90 % prípadov. Presnosť závisela od konkrétnej aplikácie, testovanej flóry a fotografovanej časti rastliny. Určenie na úrovni rodu je vždy úspešnejšie než určenie presného druhu.

Nižšie nájdete výsledky jednotlivých štúdií. Keďže výskumy pracovali s rôznymi rastlinami, vzorkami a kritériami, čísla sa dajú porovnávať iba v rámci jedného riadku, nikdy nie medzi sebou. Aplikácia, ktorá dosiahla 83 % v štúdii zameranej na stromy v New Jersey, nie je automaticky „lepšia“ ako tá, ktorá mala 57 % pri britských divokých rastlinách.

Všetky štyri štúdie ukazujú dva jasné trendy. Prvým je, že aplikácie sa rýchlo zlepšujú: rozdiel v presnosti medzi rokmi 2020 a 2025 je príliš veľký na to, aby išlo o náhodnú odchýlku. Druhým trendom je, že kompozícia fotky ovplyvňuje výsledok v rámci jednej aplikácie rovnako výrazne ako rozdiely medzi najlepšími nástrojmi na trhu. V Schmidtovej štúdii stála výmena listu za kôru najpresnejšiu aplikáciu až 32 bodov úspešnosti, čo je viac než dvojnásobok 14-bodového rozdielu, ktorý ju delil od druhého miesta.

Aplikácia, ktorú si stiahnete do mobilu, málokedy vykonáva samotné rozpoznávanie priamo vo vašom zariadení. Mnohé z nich využívajú na pozadí externé rozhranie. Bloom identifikuje rastliny cez Plant.id, čo je rovnaký motor, ktorý vyhral štúdiu Jonesa (2020) a dnes slúži ako popredný svetový nástroj na určovanie rastlín s nezávisle overenou presnosťou 93 %. Toto číslo sa však vzťahuje na samotný rozpoznávací algoritmus, nie na celkovú funkčnosť aplikácií, ktoré ho integrujú.

Prečo fotka kôry prináša oveľa viac chýb ako fotka listu

Detail kôry je pre umelú inteligenciu najmenej čitateľný záber. V štúdii Schmidta a kolegov (2022) odfotili rovnakých 55 druhov stromov dvakrát, raz list a raz kôru, pričom použili rovnaké zariadenie aj podmienky. Výsledný pokles presnosti vyzerá takto:

Pri určovaní druhu klesla úspešnosť aplikácie PictureThis o 32,04 bodu a pri iNaturalist až o 37,73 bodu. Abstrakt štúdie to uzatvára jednoznačne: „these apps are much more accurate in identifying leaf photos as compared to bark photos“ (tieto aplikácie sú oveľa presnejšie pri identifikácii podľa fotiek listov než podľa fotiek kôry).

Dôvod je botanický, nie technologický. List nesie jasné znaky, ktoré spoľahlivo odlišujú jednotlivé druhy: tvar, typ okraja (hladký, zúbkovaný, laločnatý), usporiadanie žilnatiny či bod pripojenia stonky. Kôra ponúka iba textúru. Tá sa navyše mení s vekom stromu, vlhkosťou ovzdušia, prítomnosťou lišajníkov či machov a závisí aj od toho, z ktorej svetovej strany kmeň odfotíte. Dva rôzne druhy môžu mať v dvadsiatich rokoch takmer identickú kôru, zatiaľ čo rovnaký strom bude mať v piatich rokoch úplne inú kôru ako v päťdesiatich.

Rovnaká rastlina prinesie s kvetom iný výsledok

Kvet poskytuje umelej inteligencii najviac informácií pre presné určenie. Rozdiel je taký výrazný, že by mal ovplyvniť vaše rozhodnutie, kedy rastlinu fotiť. V štúdii, ktorú vypracovali Campbell, Peacock a Bacon (2023), odfotili 38 bylinných druhov celkovo 560-krát, polovicu tvorili snímky listov a polovicu snímky kvetov, všetko bez dodatočných úprav. Výsledky jednotlivých aplikácií:

Tento efekt sa opäť nezávisle objavuje v štúdii Hart et al. (2023), People and Nature 5(2), ktorá uvádza: "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (aplikácie s najhoršími výsledkami fungovali výrazne lepšie, keď bol prítomný kvet).

Dôvod je opäť rovnaký. Kvet je orgán, ktorý botanika využíva na klasifikáciu už tri storočia, pretože počet okvetných lístkov, symetria, pozícia tyčiniek a tvar kalicha sú v rámci jedného druhu stále a medzi druhmi sa líšia. List býva mätúci, desiatky druhov áronovitých rastlín majú takmer identické lesklé zelené oválne listy.

Potosovec, zamiokulkas, monstera, paprade či svokrin jazyk v byte kvitnú len výnimočne alebo vôbec. Pri fotení izbových rastlín sa preto takmer vždy nachádzate v situácii s najnižšou očakávanou presnosťou.

Prečo sú izbové rastliny najťažším orieškom

Pestované izbové rastliny predstavujú pre umelú inteligenciu najzložitejšiu výzvu z troch dôvodov: ich úspešnosť doteraz nemerali žiadne publikované štúdie, zvyčajne ide o kultivary, ktoré taxonómia neodlišuje, a takmer nikdy nekvitnú.

Žiadna publikovaná štúdia netestovala izbové rastliny. Stačí sa pozrieť na metodiku výskumov: Schmidt a kolegovia (2022) testovali stromy v mestách a lesoch v New Jersey, Campbell, Peacock a Bacon (2023) skúmali divoké írske byliny, Jones (2020) pracoval s britskou flórou a Hart et al. (2023) sa zamerali na divokú prírodu Spojeného kráľovstva, pričom zámerne vyradili okrasné druhy z parkov a záhrad. Ak teda čítate, že „aplikácie dosahujú 85 % presnosť“, toto číslo platí pre divokú prírodu, nie pre vašu obývačku.

Kultivar nie je samostatný druh a model pozná iba druhy. Rastliny z kvetinárstva sú často vyšľachtené variety s obchodným názvom. Z botanického hľadiska sú Monstera deliciosa 'Thai Constellation' a 'Albo Borsigiana' ten istý druh. Líšia sa iba panašovaním, čo je presne ten znak, podľa ktorého ich rozlišuje ľudské oko, no algoritmus sa ho naučil ignorovať ako odchýlku osvetlenia. Keďže väčšina kultivarov nemá v databáze vlastný štítok, aplikácia síce správne určí základný druh, ale netrafí konkrétnu varietu, ktorú držíte v ruke.

Izbové rastliny nezodpovedajú vzorom z databázy. Referenčné fotky zobrazujú dospelé, zdravé rastliny v ich prirodzenom prostredí. Vaša rastlina je však v malom kvetináči, zastrihnutá, vytiahnutá za svetlom, má menšie listy, uschnuté končeky a nekvitne. Každá takáto odchýlka sťažuje rozpoznanie a tieto faktory sa sčítavajú.

Aplikácia vám pri starostlivosti o izbové rastliny stále dobre poslúži. Uvádzané čísla úspešnosti však berte ako teoretické maximum, nie ako bežný priemer, a výsledok si radšej overte.

Keď chyba vyjde draho: Toxické rastliny a domáci miláčikovia

Identifikácia rastlín pomocou AI nie je spoľahlivá na rozhodovanie o tom, či je rastlina toxická. V teste publikovanom v časopise Clinical Toxicology 61(7) v roku 2023 bolo 5 z 11 potenciálne toxických druhov identifikovaných ako jedlé aspoň jednou z hodnotených aplikácií. Štúdia, ktorú vypracovali Campbell, Peacock a Bacon, zahŕňala dve toxické rastliny a dospela k rovnakému záveru vo vete, ktorú sa oplatí citovať celú:

"They should not be trusted to identify toxic species." Netreba sa na ne spoliehať pri identifikácii jedovatých druhov.

Jednoduché praktické pravidlo znie: používajte aplikáciu ako prvý filter a overte druh v botanickom zdroji predtým, ako necháte rastlinu v dosahu mačky, psa alebo dieťaťa, a nikdy nič nekonzumujte na základe identifikácie z fotografie. Dve z najbežnejších izbových rastlín v Brazílii patria medzi tie, ktoré sú pre domáce zvieratá toxické:

Ako fotiť rastliny, aby ich AI určila správne

Správna kompozícia záberu ovplyvní úspešnosť určenia viac než výber samotnej aplikácie. Tu je šesť pravidiel podložených vedeckými meraniami:

1. Ak má rastlina kvet, odfotíte kvet. Podľa údajov z časopisu PLOS ONE to v rámci tej istej aplikácie zvýši úspešnosť o 6 až 29 bodov.

2. Vždy uprednostnite list pred kôrou. V Schmidtovej štúdii to pri určovaní druhu prinieslo rozdiel až 32 bodov.

3. Jeden orgán na jednu fotku. Odfoťte celý list alebo celý kvet tak, aby vypĺňal záber. Vyhnite sa foteniu celej rastliny z veľkej diaľky.

4. Čisté pozadie. List položený na bielom papieri alebo na dlani pomáha eliminovať rušivé prvky z okolia, ktoré by si model mohol pomýliť s rastlinou.

5. Priblížte sa, aby bolo vidieť žilnatinu. Štruktúra žilnatiny nesie podstatnú časť taxonomických informácií listu.

6. Pozrite si prvých 5 návrhov, nielen ten prvý. V štúdii Hart et al. (2023) stúpla priemerná úspešnosť aplikácií zo 69 % pri prvom návrhu na 85 %, ak sa bralo do úvahy prvých päť zobrazených možností. Správny druh sa v zozname zvyčajne nachádza, len nemusí byť na úplnom vrchole.

Ak to aplikácia umožňuje, pošlite viac fotiek rôznych častí tej istej rastliny. Systémy, ktoré dokážu spracovať viacero snímok naraz, kombinujú vizuálne znaky a dosahujú výrazne presnejšie výsledky.

Existuje bezplatná identifikácia rastlín pomocou AI?

Áno, k dispozícii sú tri rôzne riešenia.

Bezplatný bez limitu, s akademickým pôvodom. Pl@ntNet je projektom francúzskeho verejného výskumu a neúčtuje si žiadne poplatky. Je najsilnejší v oblasti divokých a pôvodných rastlín, ukazuje mieru spoľahlivosti a namiesto určenia jedinej možnosti ponúka alternatívnych kandidátov. Neposkytuje starostlivosť ani pripomienky.

Bezplatný nástroj zabudovaný v telefóne. Google Lens je súčasťou aplikácií Google a Chrome na systémoch Android aj iPhone a nemá žiadne limity na počet vyhľadávaní. V dvoch štúdiách dosiahol presnosť medzi 55 % a 68 % pri prvom návrhu, čím mierne zaostal za špecializovanými aplikáciami na rastliny. Podrobný postup nájdete v článku ako identifikovať rastliny pomocou Google Lens.

Bezplatný režim s limitom v aplikáciách na starostlivosť. Ponuka funkcií sa tu výrazne líši a mnohé aplikácie bezplatný režim vôbec nemajú. Bloom ho ponúka: bez časového obmedzenia získate 2 identifikácie mesačne a kalendár polievania. Pre porovnanie jednotlivých možností si môžete pozrieť zoznam najlepšie aplikácie na identifikáciu rastlín.

Často kladené otázky

Existuje bezplatný AI nástroj na identifikáciu rastlín?

Áno. Pl@ntNet je vďaka verejnému vedeckému výskumu úplne zadarmo a bez obmedzení. Google Lens je integrovaný priamo v mobilnej aplikácii Google a Chrome. Existujú aj aplikácie s obmedzeným bezplatným režimom, tie sú však v menšine. Žiadna z nich si neúčtuje poplatky za prvú identifikáciu.

Ktorá aplikácia na identifikáciu rastlín je najpresnejšia?

Závisí to od toho, čo fotografujete, takže jednoznačného víťaza vyhlásiť nemožno. Každá štúdia testovala inú flóru: PictureThis dominoval pri stromoch v New Jersey, Pl@ntNet pri írskych bylinách a Plant.id pri britskej flóre. Porovnávanie percentuálnych výsledkov medzi rôznymi štúdiami nie je metodicky správne.

Identifikuje AI izbové rastliny rovnako dobre ako divoké?

Neexistuje publikovaná štúdia, ktorá by to presne merala. Všetky vedecké testy pracovali s mestskými stromami alebo divokou flórou a jeden výskum zámerne vylúčil okrasné záhradné druhy. Izbové rastliny sú často kultivary, ktoré nekvitnú a líšia sa od vzorov z tréningovej databázy, čo spravidla znižuje úspešnosť určenia.

Dokáže aplikácia určiť presný kultivar mojej rastliny?

Iba výnimočne. Kultivary ako 'Thai Constellation' alebo 'Pink Princess' sú z botanického hľadiska rovnakým druhom ako ich bežné formy. Rozdiel spočíva v sfarbení, ktoré model vníma skôr ako odchýlku svetla pri fotení. Očakávajte preto určenie na úrovni druhu, nie konkrétnej variety.

Môžem použiť AI identifikáciu na zistenie, či je rastlina jedovatá?

Ako prvotné nasmerovanie áno, ale nie ako definitívny verdikt. V teste z roku 2023 uverejnenom v Clinical Toxicology označila aspoň jedna aplikácia 5 z 11 toxických druhov za jedlé. Pred umiestnením rastliny k zvieratám alebo deťom si druh vždy overte v botanickej literatúre.

Záver

O úspechu rozhoduje predovšetkým to, čo zachytíte na fotografii. Pri rovnakej rastline a v tej istej aplikácii zvýši výmena kôry za list presnosť až o 32 bodov a výmena listu za kvet o ďalších 29 bodov. Správny výber kompozície je jediný faktor, ktorý máte plne pod kontrolou, a pomôže vám viac než hľadanie inej aplikácie. Pri izbových rastlinách navyše myslite na to, že ich úspešnosť žiadna štúdia presne nemerala, preto berte výsledok z obrazovky skôr ako dobrý tip než ako stopercentnú pravdu.

Najlepším ďalším krokom je odfotiť rastlinu znova podľa šiestich uvedených pravidiel a overiť si, či aplikácia ukáže rovnaký výsledok. Ak sa určený druh pri dvoch dobrých záberoch líši, model si nie je istý a budete potrebovať druhý názor.

Ak hľadáte odpoveď na otázku „čo s touto rastlinou robiť ďalej“, samotný názov vám stačiť nebude. Vtedy prichádzajú na rad aplikácie, ktoré po identifikácii ponúknu aj návod na polievanie a svetelné podmienky pre daný druh. Bloom toto všetko dokáže, využíva rozpoznávanie cez Plant.id a je dostupný pre iPhone.

Ak neriešite neznámu rastlinu, ale skôr chradnúci list, vaša cesta vedie inam: začnite článkom ako zistiť, čo trápi moju rastlinu.