植物識別App，準確率不足4％

原文地址：http://news.sciencenet.cn/htmlnews/2023/4/498310.shtm

很多智能手機里的應用程序（App）能根據照片識別植物，但一項研究發現，其識別準確率并不高。

應用程序可以識別植物，但并非完全準確。圖片來源：Marko Geber/Digital 

Vision/Getty Images

英國利茲大學的Julie Peacock等人評估了6款最流行的植物識別應用程序——Google Lens、iNaturalist、Leaf Snap、Pl@ntNet、Plant Snap和Seek。在用這些應用程序識別愛爾蘭4個自然棲息地的38種植物后，他們發現一些應用程序的識別準確率很低，準確率最高的也沒有達到90％。相關研究4月5日發表于《公共科學圖書館-綜合》。

“保證應用程序能正確識別植物，或者讓人們意識到這些程序并不完美是非常重要的。”Peacock說，人們可能會將重要的本土物種誤認為入侵物種，并將其從花園中移除，或將有潛在危險的野生植物當作無害品種食用。

但Peacock認為，在了解其局限性的前提下，人們可以繼續使用這些應用程序，因為它們可以讓人們更多地接觸植物。

這些應用程序使用人工智能算法，并根據大量帶標題的植物照片進行訓練。人工智能不僅被訓練識別照片，還被訓練發現舊照片與新照片之間的相似之處，從而識別植物。

通常，這些應用程序識別花朵比識別樹葉準確率高。研究人員表示，這是因為花的形狀和顏色更多樣，為人工智能提供了更多線索。但事實并非總是如此，iNaturalist應用程序只能正確識別3.6%的花朵和6.8%的葉子，Plant Snap正確識別了35.7%的花朵和17.1%的葉子，Pl@ntNet的準確率最高，達到88.2%。

法國蒙彼利埃Inria公司的Alexis Joly是非營利項目Pl@ntNet的研究人員，他說，該應用程序的成功歸功于其數據庫。這些數據是由植物學家等科學家和業余愛好者提供并分類的，并使用了平衡常見物種偏差的算法，同時對每次識別的可能結果進行排序。

“這有時吃力不討好，因為人們更愿意看到一個100%的單一結果，即使它是不正確的，而不是3個答案，每個都有33%的可能性，盡管后者更加真實。”Joly說，但他們的策略似乎取得了成效。

牛津大學的Stephen Harris說，他遇到過類似問題，轉而依賴一本好的參考書。他表示，問題在于上傳到互聯網上的圖像往往被錯誤標記了。

Harris表示，人們常常會拍攝類似的照片。例如，對于某些吸引人的植物，照片很多，而對一朵不那么吸引人的花或任何其他不起眼的植物，人們就不會拍攝很多照片去記錄它。

相關論文信息：