AIで写真から植物を識別する方法

AIで植物を識別するには、均一な光の下で1枚の葉、花、または植物全体を撮影し、画像照合モデルにそれを数万種の参照データベースと比較させて、最も近い候補をランク付けさせる。上位の結果は確定的な答えではなく、根拠のある推測として扱い、Royal Horticultural SocietyのPlant Finderのような独立した情報源で確認するまでは信用しすぎないこと。FlorAIのAI Plant Scanはまさにこの仕組みで動作する。庭のどの植物にもスマートフォンのカメラを向けるだけで、数秒で有力な種名と基本的な手入れ方法が表示される。

写真からAIで植物を識別するにはどうすればよいか？

ほとんどすべての植物識別アプリの背後にあるモデルは、何百万枚ものラベル付き写真で訓練された畳み込みニューラルネットワークであり、画像認識の標準的なアーキテクチャの一つである。それは植物学者のように植物を「見る」わけではなく、画像を訓練データから学習した数値的な特徴の集合に変換し、その特徴が参照セット内の各種にどれだけ近いかを測定する。出力は単一の答えではなく、通常は候補ごとに信頼度スコアが付いたランク付きの候補リストである。上位結果の高いスコアは、写真がその種の確認済み事例の多くに強く似ていることを意味する。複数の候補にスコアが平坦に分散している場合は写真が曖昧であることを意味し、多くの場合、撮影した部分において近縁の2種がほぼ同じに見えることが原因である。

実際には、FlorAIのAI Plant Scanを含め、ほとんどのツールで手順は同じである。

1. 1つの植物を撮影し、可能な限りフレームを最も明確な識別特徴で満たす。満開の花、または何も咲いていない場合は葉。
2. 写真を送信し、単一の強制的な答えではなく、モデルにランク付きの候補種リストを返させる。
3. アプリが信頼度を表示していれば、上位の名前だけを信じるのではなく、それを確認する。
4. 正しいと判断する前に、上位の候補を典型的な葉の形、花の色、成熟時のサイズと照らし合わせる。
5. 最初の結果が不確かに見える場合は、植物の別の部分をもう1枚撮影する。葉と花の組み合わせは、どちらか一方だけよりもはるかに多くのケースを解決するからである。

植物の写真を識別可能にする要素とは？

人が見て美しいと感じる写真が、モデルにとって自動的に分類しやすいわけではない。実際に情報を運ぶ特徴は形状、輪郭の詳細、色、パターンであり、これらはすべて同じ一握りのミスによって台無しになる。手ブレ、被写体と同じくらい雑然とした背景、そしてモデルが必要とする輪郭そのものを飛ばしてしまうほど強い光である。良い識別写真にはいくつかの共通点がある。

• 1つの植物、1枚の写真。 花壇全体ではなく単一の株でフレームを満たし、モデルが複数の種を同時に平均化しないようにする。
• 均一な自然光。 曇天時の日光や開けた日陰は本来の色と葉の質感を映すが、強い真昼の直射日光と室内照明はどちらもそれを歪める。
• ピントの合った識別特徴。 花があれば花、なければ角度をつけず平らに撮影した葉全体。
• 無地またはぼやけた背景。 手のひら、土の部分、ピントの合っていない芝生などが植物の後ろにあると、モデルの注目が被写体に留まる。
• 診断に必要な部分を切り取らない。 花の半分や葉の先端を切り取ることは、照合の根拠となる詳細をまさに取り除くことになる。

最初のスキャン結果が不確かな場合、RHSは2つの実用的な改善策を提案している。1つは葉の裏側を撮影することで、上から見ると分からない特徴的な葉脈パターンが見えることが多い。もう1つは日陰や室内の人工照明ではなく自然光で撮り直すことである。どちらの変更も同じ根本的な問題、つまり最初は十分な有用な詳細がモデルに届かなかったことに対処するものである。

葉、花、樹皮のどれを撮影すべきか？

それは何が入手可能かによるが、各部位が持つ情報量は同じではない。Plant Methods誌に掲載された査読済みの比較研究では、植物のさまざまな器官にわたって識別精度を検証し、花の写真が単独の入力として最も強力であることが分かった。種全体で平均した上位1位の精度は約88%で、植物全体の写真の約77%を上回った。葉のみの写真はその中間に位置し、同じ草本種について別途測定した精度は花からで92.6%、葉からで84.9%だった。どの器官も完璧ではなかった。花は葉にはない色、対称性、構造を持つが、葉はどの開花期よりも何か月も長く利用できる。

その研究における最も強力な結果は、単一の器官ではなく複数の視点を組み合わせることだった。同じ標本の花の写真と葉の写真を融合すると平均精度は約93.7%まで上がり、さらに2枚目の花の角度を加えると約95.8%になった。研究者の結論は、庭でスマートフォンを使う人にとって実に有用なルールである。植物の単一の部分だけではすべての識別特徴を捉えられないため、同じ標本の異なる部分の2枚の写真は、どちらか一方の1枚の写真よりも一貫して優れている。

• 開花中： まず花を正面から撮影し、結果が不確かに感じられたら葉も撮影する。
• 開花していない場合： 成熟して傷のない葉を上から撮影し、結果が決定的でなければ裏側も撮影する。
• 木質で葉がない場合： 樹皮の模様と全体の枝ぶりが唯一の選択肢であり、それだけでの精度は3つの中で最も低い。結果は答えではなく出発点として扱う。

AIによる植物識別はどれくらい正確か？

趣味の園芸家にとって本当に役立つ程度には正確だが、重要な事柄について確認を省けるほど正確ではない。上記のPlant Methodsの研究では、既知の種の管理された試験写真において、組み合わせた場合の精度を90%台半ばに置いていた。これは強力な結果だが、明瞭な標本、熟練した撮影者、そもそも訓練データに含まれていた種という好条件下で測定されたものである。実際の庭の写真はもっと雑然としており、交配品種、若い実生、あるいは単に訓練セット内で希少な植物は、見出しの数字が示唆するよりも低いスコアになる。

モデルにおいては、個々の設計上の工夫よりも規模がものを言う。数万種にわたる確認済み写真からなる、絶えず拡大し続ける大規模なデータで訓練された識別ツールは、より多くの人が観察記録を投稿し検証するほど精度が上がり続ける。一方、小規模で固定的なデータセットで訓練されたツールはそうはならない。この違いはまた、訓練データに豊富に含まれる一般的な庭の植物や広く分布する野草の識別が、参照写真の少ない珍しい地域固有種よりもはるかにうまくいく理由でもある。

AIによる植物識別はどこで間違えるのか？

それ以外は優れたモデルでも、決まって4つの状況でつまずく。アプリが単に壊れていると決めつけるのではなく、これらを認識しておくと役立つ。

• 似た種。 多くの庭の植物には近縁種があり、写真に写らなかった細部、葉の鋸歯、花の中心の色、花びらの数などでしか区別できないことが多い。
• 栽培品種。 八重咲きの花や斑入りの葉、珍しい色のために育種された品種名付きの栽培種は、モデルが主に訓練された野生種とは著しく異なって見えることがある。
• 幼い成長段階。 実生の最初の葉は成熟した葉とはまるで違って見えることが多く、若い植物はどのアプリを使ってもより難しい識別ケースの一つである。
• 質の悪い元写真。 ブレ、逆光、雑然とした背景は、モデルが頼りにする詳細をまさに取り除いてしまい、どんな処理を施しても最初から捉えられなかった情報は回復できない。

こうした点は、目の前にある植物についての素早い最初の推測というAI識別本来の用途に対して、その信頼性を損なうものではない。ただし、その結果は次のセクションの出発点であって、プロセスの終わりではないということを意味する。

すでに庭にある植物を識別しよう

FlorAIのAI Plant Scanは写真から植物名を特定し、数秒で基本的な手入れ方法を教えてくれる。AI Plant Healthは不調な植物によくある問題を指摘する。どちらも、写真からの庭デザインに使われるのと同じ無料アプリに搭載されており、ダウンロードしてiPhone、Android、Webで利用できる。

Try the Web App→

Version 1.1.1 · 132 MB

AIによる植物識別結果をどう確認すればよいか？

アプリの答えは手がかりとして扱い、独立した確認で締めくくる。所要時間は数分ほどである。

1. 提案された名前をRHS Plant Finderで検索する。35,000種以上の植物を写真と栽培の詳細付きで網羅しており、葉の形、花の色、成熟時のサイズを自分の標本と比較できる。
2. それでも不明な場合や、有毒あるいは外来種である可能性がある場合は、写真と提案された名前を地元の園芸店、ガーデンセンター、または専門の相談窓口に見せる。人による二次的な意見があれば、残る疑問の大半は解消される。
3. 提案された種が、屋外であなたの気候では生き延びられないはずの植物だと主張している場合、USDA植物耐寒性ゾーンマップと照らして妥当性を確認する。自分のゾーンにとってあり得ない一致は、珍しい発見ではなく誤認識の兆候である。
4. それでも結果が間違っているように感じる場合は、植物の別の部分をもう1枚撮影して再試行する。葉と花の組み合わせは、どちらか1枚だけでは曖昧なままのケースを解決する。

RHS Plant Finderで一致が確認でき、その種が自分の気候とすでに知っている植物の情報に合致するなら、水やり、施肥、鉢の置き場所といった日常的な園芸の判断には妥当な根拠となる。ただし、次に扱うようなケースにおける専門家の確認の代わりにはならない。

有毒植物や外来種を正しく識別することがなぜ重要か

ほとんどの誤識別は、誤った手入れ方法程度の代償で済む。ごく一部には本当の結果を伴うものがあり、まさにそうしたケースでは、アプリの結果だけで済ませてはいけない。AIによる識別だけを頼りに、植物やベリー、キノコを決して口にしてはならない。食用種と有毒種の両方を含む科では似た種が特によく見られ、そこでの誤った推測は些細な失敗では済まない。ペットや子どもが庭にあった何かを口にした可能性がある場合は、まず健康上の問題として、識別の問題は二の次として扱い、アプリが植物を確認するのを待つのではなく、中毒情報センターや獣医の窓口に連絡すること。アプリが外来種と判定したものを取り除く前にも同じ慎重さが必要である。実は望ましい在来種かもしれないものを引き抜く前に、地域の専門機関やRHSと照らし合わせて確認すること。

それ以外の場合、たとえば花壇に自然に生えてきた植物の名前を調べたり、2年前に買ったはずの低木かどうかを確認したり、前の所有者がフェンス沿いに何を植えたのかを知りたい場合には、確認済みのAI識別は本当に有用な情報となり、何を残し、何を移動し、それを取り巻く新しいデザインをどうすべきかという判断に直結する。FlorAIのAIガーデンデザインは、まさにその植物リストを使い、未知の要素の代わりにすでに育っているものに合わせた再設計を計画する。ビフォーアフター比較では、実際の庭の写真と結果を並べて見ることができる。1枚の写真から完全なレイアウトを作るまでの手順は、写真からのAIガーデンデザインで解説しており、庭のレイアウトの計画方法では、すでに何が育っているかを正確に把握した後にすべきことを扱っている。

よくある質問

うまく使えば、AIによる植物識別は、そのまま受け入れる判定ではなく、確認する前提の素早い最初の答えとなる。花や葉の鮮明な写真、RHS Plant Finderとの照合、そして何かを食べたり取り除いたりする前の一瞬の慎重さがあれば、ちょうどよいバランスが取れる。FlorAIのAI Plant Scanはまさにそうした日常的な使い方のために作られており、iPhone、Android、Webで無料で試せる。