地球上有近 40 万种植物，要自信地学会识别植物真的很难。即使你能学会识别你所在区域的野花，还有花园花卉和入侵植物令人担忧。这一切真的让人觉得不知所措。这感觉有点像听收音机，听到9700 万首歌曲中的其中一首，却不知道哪首是你喜欢的。

别担心，这两大难题都有相应的应用解决方案。

其中之一是流行的音乐识别应用 Shazam，它能听歌曲并识别出歌曲（通常几秒内完成）。而较新推出的植物识别应用称为PlantSnap，它常被誉为“植物界的 Shazam”。

 

 

是什么让 PlantSnap 成为“植物界的 Shazam”？

好了，我们明白了：说一个应用“像 Uber 但针对 X”或“像 AirBnb 但针对 Y”已经有点老套了。但 PlantSnap 成为植物界 Shazam 有许多原因。得益于对Shazam 工作机制的深入分析，我们能看到 Shazam 与 PlantSnap 之间的相似点。

 

1. PlantSnap 和 Shazam 都使用“指纹”进行识别。

为了让算法识别某样东西，它需要有某种“指纹”。对于 Shazam 来说，应用开发者预先加载了歌曲的数字摘要。简单来说，歌曲的指纹由歌曲中的频率构成。类似地，PlantSnap 使用植物的特定特征，比如叶形或脉纹，来识别植物。

 

2. 两个应用都工作快速。

谁愿意在酒吧识别歌曲或者徒步时识别植物时等几个小时？没人愿意！PlantSnap 和 Shazam 的一个惊人之处就是它们工作非常快。算法能够迅速将照片或声音录制与预先存储的指纹进行比对，在几秒钟内给出识别结果。

 

3. PlantSnap 和 Shazam 不需要你做太多事情

谁愿意花时间在图片里翻找叶脉图案或者听片段歌曲来识别？这些应用的用户绝不会。Shazam 和 PlantSnap 都极力保证你的操作尽可能简单。大部分时间，只需将手机对准正确方向，等待几秒即可。

 

4. 人工智能驱动 PlantSnap 和 Shazam

如今几乎所有技术都依赖人工智能，植物界的 Shazam（以及原版 Shazam）也不例外。如果没有人工智能，这些应用将变得非常笨重。没有人工智能，PlantSnap 或 Shazam 几乎无法工作。

PlantSnap 被称为“植界的 Shazam”有很多重要理由，然而，二者并不是完全相同。也有关键因素让 PlantSnap 不能完全被称作植物界的 Shazam。

 

 

Shazam 和 PlantSnap 的区别

 

显然，Shazam 和 PlantSnap 之间存在一些差异。首先，Shazam 可以识别声音质量差或歌曲播放到任何位置的歌曲，而 PlantSnap 需要有构图良好且光线适中的特定植物部位照片。

这主要是因为全球对植物鉴定的理解不像歌曲识别那么清晰。热带地区许多植物仍未被科学完全了解，甚至没有名字。一些植物因模拟而外形极其相似。园艺选择性种植使得部分植物拥有极端的形状或颜色。不同植物物种的杂交让情况更复杂。植物界甚至常常迷惑了植物学家！但别担心 —— PlantSnap 持续在提升。

另外，PlantSnap 的算法基于人工智能，持续学习。而我们所了解的 Shazam 似乎并不会自动更新和学习。这可能因为每天有超过 2500 首新歌发布，而同时期新发现的植物物种远远没有那么多！这在某些方面让植物数据库的更新比歌曲库更为容易。

这意味着 PlantSnap 的算法可以通过已知植物自我学习。Shazam 需要歌曲版权持有人提交歌曲，而 PlantSnap 用户都可以提交植物供进一步鉴定。

Shazam 使用分层系统加速识别，应用优先检查最热门歌曲，然后逐步扩大搜索范围。这样能保持应用运行流畅，因为有时 20 次 Shazam 查询中就有 1 次是同一首热门歌！PlantSnap 目前尚未采用类似分层系统——不过未来可能会引入。

虽然任何歌曲的混音版本有限，且受版权法保护减少相似度，但世界上的植物在同一物种内部差异巨大并且经常相互模仿。这很复杂，但两个应用的识别效果依然令人惊叹。

 

总结：PlantSnap 基本上就是植物界的 Shazam

 

总的来说，PlantSnap 和 Shazam 是非常相似的两个应用，尽管它们所处理的对象大相径庭。Shazam 针对的是人类创作的声音，而 PlantSnap 则面对的是连顶尖植物学家都可能无法完全辨识的植物。

快去试试这款“植物界的 Shazam”吧 —— 现在你可以免费下载PlantSnap。使用这款应用时，你也在帮助“训练”算法，让 PlantSnap 变得更好，为下一位用户提供更精准的识别。