随着自动手机的遍及，植物识别运作程序越来越受欢迎。然而，一项来自英国利兹大学的钻研标明，这些运作程序的准确率并不高。
该钻研评价了6款最盛行的植物识别运作程序，包含Google Lens、iNaturalist、Leaf Snap、Pl@ntNet、Plant Snap和Seek。钻研者经常使用这些运作程序来识别爱尔兰4个体造栖身地的38种植物。结果显示，这些运作程序的准确率很低，最高的准确率也没有到达90%。
这项钻研的结果标明，虽然植物识别运作程序在某些状况下可以提供有用的消息，但在许多状况下，它们并不是一个牢靠的抉择。例如，假设你正在寻觅一种特定的植物，经常使用这些运作程序或者会造成错误的识别结果，进而造成对植物的错曲解释和解决。
这项钻研的作者Julie Peacock传授示意，“这些运作程序虽然很幽默，但咱们必需留意它们的局限性。这些运作程序中的算法理论基于图片的特色和结构，而不是动物学常识。这就造成了在一些状况下它们不可正确地识别植物。”
Peacock还示意，虽然这些运作程序存在毛病，但它们依然可以用于植物识别的初步阶段，而后必需进一步确实认。另外，她强调了植物识别运作程序的开展必需更多的动物学常识和技术允许。这项钻研提示咱们在经常使用植物识别运作程序时必需坚持审慎，并意识到其存在的局限性。同时，这项钻研也为植物识别运作程序的开展提供了启发，未来必需更多的动物学常识和技术允许，能力提高其准确率和牢靠性
虽然这些运作程序的准确率不尽善尽美，但它们依然有着很大的适用价值。比如，在朝外游览时，经过这些运作程序可以高速地识别出周围的植物，协助咱们更好地了解周围的环境。同时，这些运作程序也为植物学喜好者提供了便利，让他们愈加轻松地探求植物全球的微妙。
总的来说，虽然这些植物识别运作程序还有很大的优化空间，但它们曾经为咱们提供了很大的协助。随着技术的不时开展和算法的不时优化，置信这些运作程序的准确率也会不时提高，为咱们带来更好的经常使用体验。
