植物识别应用 PlantNet 识别量突破 13 亿次，助力全球植物资源普查

截至 2026 年 4 月 13 日，定位为植物识别工具的移动应用程序 PlantNet 已处理超过 13 亿次识别请求，彰显了其作为关键科学基础设施的重要地位。该应用自 2014 年上线以来，一直是植物学家与计算机科学家通力合作的成果，通过深度学习算法，根据用户上传的照片对植物物种进行鉴定。

在公民科学的助力下，该应用已涵盖约 77,700 种不同植物。PlantNet 的应用程序接口（API）目前已处理了 1 亿次识别任务，其被广泛采用证明了该平台正深度融入专业系统。该网络服务提供了视觉识别机制的计算接入能力，满足了企业在自有产品中集成植物自动识别功能的需求。

该平台汇集的数据为农业管理和生物多样性监测等关键领域提供了有力支撑，在这些领域，识别的准确性直接关系到决策制定。目前，全球已有 1,300 多篇科学论文引用了通过 PlantNet 获取的数据，包括其向全球生物多样性信息网络（GBIF）提供的贡献。

尽管其服务覆盖全球，但 PlantNet 的数据库仍存在分布不均的问题，欧洲和北美的植物群落信息占据主导地位。为了完善物种高度多样化的热带植物普查，该项目正积极在哥斯达黎加、巴西和马来西亚等生物多样性丰富的地区开展合作。例如，该应用自 2019 年在哥斯达黎加正式发布以来，已协助识别了约 3,800 种当地物种。

PlantNet 在 2024 年正式加入世界植物在线（WFO）联盟，这是整合全球植物学知识的关键一步。WFO 成立于 2012 年，是“植物名录”（The Plant List）项目的延续，旨在根据联合国《全球植物保护战略》创建一个涵盖所有现代植物分类群的详尽在线汇编。PlantNet 提供的观测数据助力 WFO 建立了更完整的全球名录，截至 2024 年底，已有 55 个机构参与了该名录的建设。

研究人员正致力于进一步提升识别准确率，并指出花朵仍是植物中识别可靠性最高的部分。目前已覆盖的 85,000 个物种，与地球上估计存在的 400,000 个物种相比仍有很大差距。人工智能模型的持续训练与优化，离不开用户上传的花朵、果实及叶片照片所做出的贡献。