Na to, abyste se stali dobrým pěstitelem rostlin, vám stačí mobil, říká český FlowerChecker. Jeho aplikace vám totiž řekne, jak se vaše kytka má. FlowerChecker začal jako projekt, který dokáže rozpoznat rostliny jen tím, že si je mobilem vyfotíte. V posledním roce ale dokázal znatelně rozšířit svůj záběr, dostat se do prestižních výzkumů, najít jako zákazníky zajímavé firmy a zásadně navýšit svoje tržby i zisk. Ten loni přerostl čtyři miliony korun. Tržby mladé společnosti pak milionů devět. To je skoro trojnásobek oproti roku předtím.

Už předloňský rok byl přitom s tržbami přes tři miliony korun obrovský skok. V roce 2019 si totiž firma sáhla na půl milionu. Ondřej Veselý, spoluzakladatel FlowerCheckeru, čeká, že firma bude i dál stoupat. „Myslím, že je to důsledek toho, že děláme věci sice pomalu, ale důkladně. A teď těžíme z prvních pěti let, kdy jsme dělali věci do šuplíku,“ popisuje.

Pomalý rozvoj, o kterém mluví, znamená především budování rozsáhlé knihovny fotek rostlin. FlowerChecker pro svou webovou aplikaci Plant.id využívá k jejich rozpoznávání umělou inteligenci. Jenže aby ta něco takového uměla, potřebuje obrovské množství dat. Firma tak roky sbírala od pracovníků fotografie různých kytek, které pak botanici ručně určovali. Ukazovali tím stroji, která rostlina se jak jmenuje, a umělá inteligence se postupně učila.

Cílem bylo ověřit si hypotézu tří tehdy akademických pracovníků: Ondřeje Veselého, Ondřeje Vilda a Jiřího Řeháka. Zněla, že by umělá inteligence mohla být schopná poznávat rostliny. Aby rychleji nasbírali fotky, rozhodli se, že jim přece můžou pomoct lidé, a spustili veřejně právě zmíněnou Plant.id na identifikaci flóry.

Jenže zájem o ni byl tak velký, že botanici nestíhali rostliny určovat a tehdy ještě nevycvičená umělá inteligence jim příliš neuměla pomoct. Tak identifikaci nad základních pár kusů denně zpoplatnili. Překvapivě s tím zájem ještě vzrostl. Firmu oficiálně založili v roce 2014. Odmítli zajímavé nabídky několika investorů a doteď každý z nich ve společnosti drží třetinový podíl.

Zisk i díky křečkům

Odborníci nakonec sesbírali tolik dat, že s postupem let nejen vycvičili umělou inteligenci na schopnost určovat daný druh rostliny, ale ještě začali přidávat další funkce. Ukázalo se, že se něco takového dá prodávat i se ziskem. Algoritmus zaujal firmy, kterým se hodil pro jejich vlastní aplikace nebo do chytrých přístrojů.

Se startupem spolupracovali botanici i univerzitní studenti. Obrázky pro něj sbírali externisté z celého světa. Kooperuje mimo jiné s českou Agenturou ochrany přírody a krajiny. Klienty má od Íránu po Vietnam, v západní Evropě i Spojených státech, v Česku i na Slovensku a je jich asi čtyřicítka.

Foto: FlowerChecker

Flowerchecker umí rozeznat rostliny z fotky z mobilu

Typicky potřebují schopnost rozpoznat rostlinu a nově určit i její stav různé aplikace pro zahrádkáře. Takové, které chtějí pěstitelům radit s tím, jak se starat o květiny – ale samy by je nedokázaly rozeznat. Z velké části jde o celkem malé firmy. Objevují se tu i na první pohled překvapivé záměry, co s umělou inteligencí, která se vyzná v rostlinách: třeba do aplikace pro křečky.

„Někdy si trháte jídlo pro něj venku. Ale ti křečci nemůžou všechno. Lidé si potřebují ověřit, jestli ty rostliny pro něj nejsou jedovaté,“ vysvětluje Veselý. Aplikace se ovšem hodí i pro výrobce zahradní techniky, která by tak sama uměla rozpoznávat, co je plevel a co ne. S jedním velkým firma jedná. Zadarmo ji využívají neziskovky v rozvojových zemích, například v Jižní Africe, kde sázejí stromy. Ale používá ji i univerzita ve Švýcarsku, jejímž cílem je vyvinout robota pohybujícího se po zahradě.

Doktorky pro kytky a umělá inteligence

Zdejší umělá inteligence se učila dlouhé roky od botaniků, teď jí pomáhají rostlinolékařky. Nejde o vymyšlené slovo – tři spolupracovnice FlowerCheckeru jsou docentky stejnojmenného oboru na Mendelově univerzitě, které, jak jeho název napovídá, pomáhají s určováním toho, jestli rostliny nejsou nemocné.

„Je to taková technická lahůdka,“ říká Veselý. Vysvětluje, že je několik základních problémů, kterými rostliny trpí, jako je spálení od sluníčka, sucho, nebo naopak přelití. A rostlinolékařky je kategorizují, na základě čehož tu pak IT pracovníci programují model umělé inteligence. „Říká se tomu multi-headed model, protože umí obojí naráz: určovat jak druh, tak jeho problém,“ dodává spoluautor.

Co se týče určování rostlin, zdejší umělá inteligence je umí poznat sama s pravděpodobností víc než 90 procent. To je podle hned několika výzkumů nejlepší výsledek mezi podobnými aplikacemi minimálně v Evropě. Třeba podle studie o detekci invazivních kytek, ze které vyšel FlowerChecker vítězně s 93 procenty.

Systém přitom se vyzná ve 12 tisících druhů. Co do jejich problémů, tam se stále učí a je na 60procentní úspěšnosti rozpoznání stavu rostliny jen podle jejich fotky, což Veselý popisuje jako velmi dobrý výsledek. Pro základní obecné kategorie nemocí, jako je bakteriální infekce nebo nedostatek živin, je na 90 procentech. U sta kategorií konkrétnějších příčin má 80procentní přesnost. Pro použití na prvních aplikacích byl stroj připravený během zhruba dvou měsíců.

„Poprosili jsme jednoho z klientů, aby umožnil svým uživatelům při posílání kytek zaškrtnout možnost, že rostlina vypadá nemocně. A v tu chvíli nám začaly chodit stovky obrázků, o kterých si pečovatel myslel, že jsou nemocné. Přesně to odpovídalo tomu, co jsme potřebovali řešit,“ vysvětluje Veselý.

Ještě zajímavější je ale důvod, proč se vlastně do rostlinolékařství FlowerChecker pustil. Jednoduše to po něm chtěli klienti. Pokud totiž aplikaci využívali na rozpoznávání kytek, tak mnohdy proto, že se o ně chtěli dobře starat. „Umíme teď určit devadesát různých typů nemocí a řešení hodně prodáváme stávajícím klientům. Ti nám můžou utrhat ruce,“ říká jen s lehkou nadsázkou Veselý.

Džungle je nejhorší

Plant.id umí využívat na rozpoznávání rostlin kromě umělé inteligence třeba také GPS souřadnice, aby systém pochopil, kde lidé rostlinu vyfotili, a tedy jaký nejspíš bude její druh. Fotky rostlin má z celé Evropy, ze Severní Ameriky, Číny i Nového Zélandu. Naopak poměrně málo jich získává z Afriky. „Je tu poměrně nízká kupní síla,“ krčí rameny Veselý. „A především velmi složité tropické kytky. Džungle je nejhorší. Biodiverzita jde na několikanásobek,“ popisuje.

FlowerChecker zajímají průmyslová řešení a takových projektů má hned několik. Veselý se nedávno vrátil z Polska, kde instalovali kamery na traktor, aby algoritmus počítal květy. Cílem je odhadnout, jaká bude úroda na podzim. Spolupracuje s agenturou pro výzkum globální změny klimatu Czechglobe, aby spolu zjistili, jak moc listy vypařují vodu a jak velký má takový princip vliv na chlazení okolí.

Foto: FlowerChecker

Část týmu FlowerCheckeru, Ondřej Veselý uprostřed

S jednou českou společností hodlá monitorovat zeleň uvnitř budov. Důvod zhoršeného zdravotního stavu některých kytek je totiž velmi obtížné odhadnout, například takové přelití nebo nedostatek vláhy často vypadá úplně stejně, v obou případech totiž odumírají kořeny a listy uschnou. V tomto projektu je tak cílem sledovat třeba zelenou stěnu uvnitř budovy dlouhodobě, takže by umělá inteligence měla přístup k vývoji stavu kytek.

Dalších možností jmenuje Veselý řadu: monitorovat by šel počet stromů, protože obce mají povinnost je evidovat. Chce vytvořit podobnou umělou inteligenci na rozpoznávání hmyzu, aby lidé dokázali zjistit, jestli jim po zahradě neleze škůdce.

Dokáže identifikovat invazivní rostliny v Evropě, což je jeden z projektů, na kterých spolupracuje s výzkumnými organizacemi. „Mám rád propojení s vědou, a pokud se do toho přidá ekologie a krajina, o to líp. Snažíme se na začátku pomáhat. A pokud z toho vypadne komerční benefit, o to ještě líp,“ říká Veselý.