植物辨識應用程式 PlantNet 累計辨識次數達 13 億次，強化全球植物名錄

作為植物辨識工具的行動應用程式 PlantNet，截至 2026 年 4 月 13 日已處理超過 13 億次辨識請求，鞏固其作為關鍵科學基礎設施的地位。該程式於 2014 年推出，是植物學家與電腦科學專家合作的結晶，利用深度學習演算法，透過使用者上傳的照片來鑑定物種。

藉由公民科學的貢獻，目前已涵蓋約 77,700 種不同的植物。PlantNet 積極開放應用程式介面 (API) 供業界使用，目前已處理 1 億次辨識，證明其已成功整合至專業系統中。此網路服務提供視覺辨識引擎的運算存取權，滿足各企業在產品中導入自動植物鑑定功能的需求。

該平台彙整的數據為農業管理與生物多樣性監測等關鍵領域提供支援，在這些領域中，辨識準確度將直接影響決策品質。目前全球已有超過 1,300 篇科學論文採用 PlantNet 的數據，其中包括該程式對全球生物多樣性資訊機構 (GBIF) 的貢獻。

儘管覆蓋範圍廣及全球，PlantNet 的資料庫仍呈現失衡現象，以歐洲與北美的植物資訊佔絕大多數。為了完善物種高度多樣化的熱帶植物名錄，該計畫正積極在哥斯大黎加、巴西與馬來西亞等生物多樣性豐富的地區建立合作夥伴關係。以哥斯大黎加為例，該程式於 2019 年在當地正式發表後，已協助鑑定出約 3,800 種本土物種。

2024 年，PlantNet 正式加入「世界線上植物誌」(WFO) 聯盟，成為整合全球植物學知識的關鍵一步。WFO 於 2012 年啟動，是「植物名錄」(The Plant List) 計畫的延伸，旨在聯合國《全球植物保育策略》的框架下，為所有現存植物分類群建立詳盡的線上綱要。PlantNet 提供的觀測數據有助於完善這份全球目錄；截至 2024 年底，已有 55 個機構參與該目錄的編撰。

研究人員正持續提升辨識準確度，並指出花朵仍是植物中最易精準鑑定的部位。目前涵蓋的 85,000 個物種，與地球上估計現存的 40 萬種植物相比仍有很大差距。人工智慧模型的持續訓練與優化，端賴使用者提供花朵、果實及葉片的照片。