中科院植物所“数字植物”项目数字植物系统研发专题负责人李敏介绍，早在二三十年前，人们已经开始在植物图像识别上做出尝试，只是一开始绕了点儿弯路，科学家们最初将目光锁定在“世界上没有完全相同的两片叶子”上，试图帮助公众通过叶片识别植物。这一选择倒也合情合理——扁平的叶面结构在拍照处理、技术建模上确实有着先天的优势。然而随着项目的推进，问题也慢慢浮现。“越了解植物的人就会越觉得叶片识别不可靠”，李敏介绍说，叶片性状是植物分类的次要性状，受环境影响较大。当外界环境发生改变时，其形态也会在相对较短的时间内发生适应性改变，这一点无疑为植物识别带来挑战。此外，叶片识别的另一难处在于，同一物种的叶片也会呈现多样化，不同物种的叶片之间存在相似之处。

“我们在物种分类时，更倾向从本源上进行划分。”于是，专题组开始将思路转向花卉。与叶片相比，花作为植物的繁殖器官，只出现在特定的生长时期，因此从一定程度上避免了环境的影响。作为更稳定的性状，花朵在分类学上更为靠谱。

那么，与百度合作的“拍花识植物”是如何实现的呢？这背后离不开“中国植物图像库”的数据支撑。目前，图像库里有250多万幅照片，植物爱好者、植物专业人士将拍摄的植物上传之后进行鉴定分类，成为智能花卉识别的后盾。当人们在生活中遇到不认识的花拍照上传“看图识花”系统（http://stu.iplant.cn）之后，系统将自动与数据库中已分好类的植物图像进行匹配，从而为用户推送出识别推荐意见。不过，受到数据库样本量和样本准确度的限制，目前“拍花识植物”还没法做到100%的识别。据李敏介绍，该“看图识花”系统已经实现了针对生活中1000多种最常见的植物约80%的识别。除了受到数据库本身的限制之外，用户所上传的花朵是否清楚、是否够大也直接影响到最后的识别结果。

要想进一步提高植物识别的准确率，提高样本量和样本准确度是关键。李敏介绍说，数据库上传用户分为普通用户和专家用户，专家用户多为从事植物分类的专家，这些人上传的照片在识别系统运作时将被优先推荐，从而最大程度保证识别的准确率。此外，上传用户的纠错机制也一定程度上为最终的“拍花识植物”保驾护航。

目前，李敏参与的项目组正着手从图像库中为每种植物挑选出四张图片，由爱好者、分类学家和分类学权威三级把关后，配以该植物的科属、花期、分布地等基本信息后集结成册，预计将于明年面世。“在该套丛书编纂过程中，我们也会邀请专家对现有图库中的其他照片进行审定把关。”