很多智能手机里的应用程序（App）能根据照片识别植物，但一项研究发现，其识别准确率并不高。

应用程序可以识别植物，但并非完全准确。图片来源：Marko Geber/Digital 

Vision/Getty Images

英国利兹大学的Julie Peacock等人评估了6款最流行的植物识别应用程序——Google Lens、iNaturalist、Leaf Snap、Pl@ntNet、Plant Snap和Seek。在用这些应用程序识别爱尔兰4个自然栖息地的38种植物后，他们发现一些应用程序的识别准确率很低，准确率最高的也没有达到90％。相关研究4月5日发表于《公共科学图书馆-综合》。

“保证应用程序能正确识别植物，或者让人们意识到这些程序并不完美是非常重要的。”Peacock说，人们可能会将重要的本土物种误认为入侵物种，并将其从花园中移除，或将有潜在危险的野生植物当作无害品种食用。

但Peacock认为，在了解其局限性的前提下，人们可以继续使用这些应用程序，因为它们可以让人们更多地接触植物。

这些应用程序使用人工智能算法，并根据大量带标题的植物照片进行训练。人工智能不仅被训练识别照片，还被训练发现旧照片与新照片之间的相似之处，从而识别植物。

通常，这些应用程序识别花朵比识别树叶准确率高。研究人员表示，这是因为花的形状和颜色更多样，为人工智能提供了更多线索。但事实并非总是如此，iNaturalist应用程序只能正确识别3.6%的花朵和6.8%的叶子，Plant Snap正确识别了35.7%的花朵和17.1%的叶子，Pl@ntNet的准确率最高，达到88.2%。

法国蒙彼利埃Inria公司的Alexis Joly是非营利项目Pl@ntNet的研究人员，他说，该应用程序的成功归功于其数据库。这些数据是由植物学家等科学家和业余爱好者提供并分类的，并使用了平衡常见物种偏差的算法，同时对每次识别的可能结果进行排序。

“这有时吃力不讨好，因为人们更愿意看到一个100%的单一结果，即使它是不正确的，而不是3个答案，每个都有33%的可能性，尽管后者更加真实。”Joly说，但他们的策略似乎取得了成效。

牛津大学的Stephen Harris说，他遇到过类似问题，转而依赖一本好的参考书。他表示，问题在于上传到互联网上的图像往往被错误标记了。

Harris表示，人们常常会拍摄类似的照片。例如，对于某些吸引人的植物，照片很多，而对一朵不那么吸引人的花或任何其他不起眼的植物，人们就不会拍摄很多照片去记录它。

相关论文信息：

https://doi.org/10.1371/journal.pone.0283386