كيف يعمل التعرّف على النباتات، وهل يستطيع تطبيق فعلاً تسمية نبتتك.

ماذا يفعل التعرّف على النباتات بصورتك

عندما توجّه تطبيق مسح النباتات نحو ورقة، فهو لا يبحث عن النبتة في كتاب أوصاف. تدخل الصورة إلى نموذج، عادةً نوع من الشبكات العصبية، دُرّب على تحويل الصورة إلى مجموعة درجات، واحدة لكل نوع يعرفه. ثم يعرض التطبيق الأنواع ذات الدرجات الأعلى، غالباً مع نسبة ثقة وصور نموذجية لتقارن.

لا يعرف النموذج ما البتلة أو حافة الورقة بالطريقة التي يعرفها عالم النبات. أثناء التدريب تعلّم أي تركيبات من الأشكال والملامس والألوان والحواف تظهر عادةً في الصور الموسومة بكل اسم. وعندما تحتوي صورتك تركيبة مشابهة، يحصل ذلك النوع على درجة عالية. لهذا تعطي صورة قريبة وواضحة لزهرة إجابة واثقة غالباً، بينما تعطي لقطة ضبابية لسياج قائمة بشجيرات متقاربة بشكل غامض.

كيف يتعلّم كاشف النباتات

تعتمد جودة كاشف النباتات أساساً على صور التدريب. كل صورة تحتاج إلى اسم صحيح، وتحتاج المجموعة إلى صور كثيرة لكل نوع ملتقطة في فصول وإضاءات ومراحل نمو مختلفة. وجمع ذلك هو الجزء الصعب.

تبني المشاريع العامة الكبيرة هذه المجموعات بمساعدة متطوعين. يصف Pl@ntNet، الذي تديره معاهد البحث الفرنسية CIRAD وINRAE وInria وIRD، نفسه بأنه قائم على التعلّم التعاوني: يشارك المستخدمون ملاحظاتهم، وترفض المرشّحات الصور الضبابية جداً أو المزدحمة، ولا يُعاد إلى المجموعة إلا ما لا يكاد يُشك في تحديده. وعندما تحققنا في أكتوبر 2026، كان موقعه يصف الخدمة بأنها مفتوحة ومجانية للجميع بفضل التبرعات. ويعمل iNaturalist بطريقة مشابهة: يرفع الناس ملاحظاتهم، ويؤكد أعضاء آخرون الاسم أو يصححونه، ويمكن للسجلات المتفق عليها أن تساعد بعد ذلك في تحسين النموذج.

لهذا النهج انحياز مدمج. للنباتات الشائعة والبارزة والكثيرة التصوير آلاف الأمثلة، بينما قد لا يكون للأنواع النادرة والسلالات المحلية وأصناف الحدائق إلا القليل جداً. والنموذج عادةً أفضل في النباتات التي يصوّرها الناس أكثر من غيرها.

لماذا يهمّ جزء النبتة وموقعك

كثير من النباتات تتشابه من زاوية وتختلف من أخرى. قد يكون لشجيرتين أوراق شبه متطابقة لكن أزهار مختلفة جداً. لهذا تطلب منك بعض التطبيقات، ومنها Pl@ntNet، تحديد الجزء الذي صوّرته، كالورقة أو الزهرة أو الثمرة أو اللحاء، وتسمح بإرسال عدة صور للنبتة نفسها. والجمع بين أدلة من أكثر من جزء يضيّق الإجابة.

الموقع مرشّح ثانٍ. النوع الذي لم يُسجَّل قط في قارتك أقل احتمالاً أن يكون الإجابة الصحيحة، لذا تستطيع التطبيقات التي تعرف موقعك تقريباً أن ترفع الأنواع المحلية في القائمة. لكن الحدائق والنباتات المنزلية تكسر هذه القاعدة: نبتة منزلية استوائية في شقة بباريس خارج نطاقها الطبيعي، وقد يعمل مرشّح يعتمد على السجلات البرية ضدها.

ما مدى دقة التعرّف على النباتات في الظروف الحقيقية؟

قد تكون نتائج المختبر على صور نظيفة عالية جداً، لكن الاستخدام الميداني أكثر فوضى. نُشر اختبار مفيد في ظروف حقيقية في مجلة People and Nature عام 2023 من قِبل هارت وزملائه. استخدموا خمسة تطبيقات مجانية شائعة، منها Pl@ntNet وGoogle Lens وPlantSnap وLeafSnap وSeek by iNaturalist، على 857 صورة حدّدها مختصون لـ277 نوعاً التُقطت في الهواء الطلق.

• الاقتراح الأول: صحيح في 69% من الصور عبر جميع التطبيقات.
• الاقتراحات الخمسة الأولى: ظهر النوع الصحيح في 85% من الصور.
• أفضل التطبيقات: سمّى واحد على الأقل من التطبيقات الثلاثة الأفضل أداءً النوع الصحيح أولاً في 96% من الصور.
• نوع النبات كان مؤثراً: اختلفت النتائج بين النباتات الخشبية والأزهار البرية والأعشاب النجيلية والأسل والسعد والسراخس وذيل الحصان.

خلص الباحثون إلى أن التطبيقات المجانية صالحة ومفيدة للتعرّف السريع، مع بعض التحفظات. عملياً، يعني ذلك الثقة بتطابق واثق لنبتة شائعة ومميزة أكثر من تطابق ضعيف الثقة لعشبة نجيلية أو بادرة، وفحص الاقتراحات القليلة الأولى لا الأول وحده.

متى يخطئ تطبيق مسح النباتات

تأتي معظم الأخطاء من عدد قليل من الحالات:

• أشباه متقاربة: قد لا تختلف أنواع من الجنس نفسه إلا في الشعيرات أو شكل البذور أو صفة لا تُظهرها الصورة.
• نمو صغير أو غير معتاد: البادرات والأوراق الفتية والنباتات المجهدة غالباً لا تشبه النباتات البالغة في صور التدريب.
• الأصناف والهجائن: قد يُسمّى صنف الحديقة بالنوع الأصلي فقط، أو يُطابق مع نبتة أخرى ذات لون مشابه.
• صور رديئة: عدة نباتات في إطار واحد أو ظلال قوية أو خلفية مزدحمة تربك النموذج.
• أنواع نادرة: إذا كان النبات قليل التمثيل في بيانات التدريب، فقد يعطي التطبيق إجابة واثقة لقريب أكثر شيوعاً.

يعطي التطبيق إجابة في كل الحالات تقريباً، حتى لصورة نبتة بلاستيكية. النتيجة اقتراح يجب التحقق منه، لا حكم نهائي.

النباتات السامة: لماذا لا يكفي تطبيق فحص النباتات

ترتفع المخاطر عندما يكون السؤال هو ما إذا كانت النبتة سامة. اختبرت دراسة عام 2021 في Journal of Medical Toxicology، أجراها أوتر وماير وتوماشيفسكي، ثلاثة تطبيقات على 17 نبتة سامة شائعة، بتصوير النباتات كاملة وأوراقها وأزهارها. حدّد PictureThis عشرة من الأنواع السبعة عشر بشكل صحيح في كل اختبار، وPl@ntNet ثمانية من 17، وPlantSnap واحداً من 17. رأى الباحثون أن التطبيقات قد تكون أداة مساعدة، لكن هذه الفجوات تبيّن لماذا لا يمكن لتطبيق فحص النباتات أن يكون الكلمة الأخيرة في مسائل السلامة.

اتبع بعض القواعد الصارمة:

• لا تأكل أبداً نبتة برية أو ثمرة توت أو فطراً بناءً على نتيجة تطبيق.
• إذا أكل طفل أو حيوان أليف جزءاً من نبتة، فاتصل أولاً بمركز السموم أو بالطبيب البيطري، واستخدم التطبيق فقط للمساعدة في وصف النبتة.
• احتفظ بعينة أو صورة واضحة للنبتة لتعرضها على المختصين.

يتناول دليل النباتات البرية الصالحة للأكل والسامة أكثر الأشباه الخطرة شيوعاً بتفصيل أكبر.

اقرأ دليل النباتات البرية الصالحة للأكل والسامة

كيف تحصل على إجابة أفضل

1. صوّر نبتة واحدة في كل مرة. اجعلها تملأ معظم الإطار.
2. ابدأ بالزهرة أو الثمرة. فهي تحمل أقوى الدلائل. أضف ورقة، من الجهتين إن أمكن.
3. استخدم إضاءة ناعمة ومتساوية. تجنّب ظلال الظهيرة القاسية ووهج الفلاش.
4. أرسل عدة صور. تساعد أجزاء مختلفة من النبتة نفسها النموذج على استبعاد الأشباه.
5. قارن الصور المرجعية. اقرأ الاقتراحات الثلاثة الأولى وتحقق بنفسك من تفاصيل مثل ترتيب الأوراق وشكل الزهرة.
6. تحقق من مصدر ثانٍ. يمكن لدليل ميداني أو حديقة نباتية محلية أو مجتمع على الإنترنت تأكيد تطابق مشكوك فيه.

يوضح دليل تصوير النباتات كيف تؤطر الأوراق والأزهار والسيقان بحيث يستطيع التطبيقات والناس التعرّف عليها.

اقرأ دليل تصوير النباتات