Descripción
Pl@ntNet is a participatory botanical observation platform allowing to identify plants from photos (using deep learning) and to share the observations with the community. The platform has three main front-ends: Pl@ntNet androïd (http://bit.ly/1K4D1eU), Pl@ntNet iOS (http://apple.co/2cMtWgu) and Pl@ntNet web (https://identify.plantnet.org/). Pl@ntNet was founded in 2010 by a consortium of four French research organisms (CIRAD, Inria, INRAE and IRD) and is now open to other members. More information about Pl@ntNet project can be found at https://plantnet.org/. The observations in this collection are the ones for which the authors agree to share the associated pictures under a creative common licence and for which the species name is considered as valid.
Registros
Los datos en este recurso de registros biológicos han sido publicados como Archivo Darwin Core(DwC-A), el cual es un formato estándar para compartir datos de biodiversidad como un conjunto de una o más tablas de datos. La tabla de datos del core contiene 1.714.213 registros.
también existen 1 tablas de datos de extensiones. Un registro en una extensión provee información adicional sobre un registro en el core. El número de registros en cada tabla de datos de la extensión se ilustra a continuación.
Este IPT archiva los datos y, por lo tanto, sirve como repositorio de datos. Los datos y los metadatos del recurso están disponibles para su descarga en la sección descargas. La tabla versiones enumera otras versiones del recurso que se han puesto a disposición del público y permite seguir los cambios realizados en el recurso a lo largo del tiempo.
Versiones
La siguiente tabla muestra sólo las versiones publicadas del recurso que son de acceso público.
¿Cómo referenciar?
Los usuarios deben citar este trabajo de la siguiente manera:
AFFOUARD A, JOLY A, LOMBARDO J, CHAMP J, GOEAU H, CHOUET M, GRESSE H, BONNET P (2023): Pl@ntNet observations. v1.8. Pl@ntNet. Dataset/Occurrence. https://ipt.plantnet.org/resource?r=observations&v=1.8
Derechos
Los usuarios deben respetar los siguientes derechos de uso:
El publicador y propietario de los derechos de este trabajo es Pl@ntNet. Esta obra está bajo una licencia Creative Commons de Atribución/Reconocimiento (CC-BY 4.0).
Registro GBIF
Este recurso ha sido registrado en GBIF con el siguiente UUID: 7a3679ef-5582-4aaa-81f0-8c2545cafc81. Pl@ntNet publica este recurso y está registrado en GBIF como un publicador de datos avalado por GBIF France.
Palabras clave
Occurrence; Observation; Occurrence
Contactos
- Proveedor De Los Metadatos ●
- Programador ●
- Originador
- Originador
https://orcid.org/0000-0002-2161-9940
- Originador
- Originador
- Originador
- Originador ●
- Punto De Contacto
Cobertura geográfica
Plant observations from Pl@ntNet network come from all around the world.
| Coordenadas límite | Latitud Mínima Longitud Mínima [-90, -180], Latitud Máxima Longitud Máxima [90, 180] |
|---|
Cobertura taxonómica
Pl@ntNet observations focus on plants.
| Reino | Plantae (Plant) |
|---|
Datos del proyecto
PlantNet is a participatory botanical observation platform allowing to identify plants from photos (using deep learning) and share observations with the community. This resource contains illustrated observations explicitly shared by PlantNet users under a Creative Common license.
| Título | Pl@ntNet Observations |
|---|---|
| Identificador | observations |
| Fuentes de Financiación | PlantNet is an open consortium founded by four French research organizations (CIRAD, Inria, INRAE, IRD) and supported by Agropolis Fondation. The two main funding resources are: (i) the annual contribution of the members of the consortium, (ii) donations from the end-users of PlantNet application (>10 million users). |
| Descripción del área de estudio | Entire world |
Personas asociadas al proyecto:
- Programador
Métodos de muestreo
No sampling protocol, opportunistic observations by Pl@ntNet users.
| Área de Estudio | Entire world, Plantae. |
|---|---|
| Control de Calidad | The validation is based on three main criteria: - the identification confidence score greater than a given threshold, the score being inferred from (i) the output of the automated identification algorithm (categorical probability) and (ii) the species names proposed by the members - the contributor has a reputation score higher than a given threshold - the species name matches the checklist considered as the most trusted one for the country where the observation was done |
Descripción de la metodología paso a paso:
- This collection contains observations of plants shared by Pl@ntNet users using one the three Pl@ntNet applications (androïd, iOS, web, more information here: https://plantnet.org/). The following filters were applied: - image license cc-* - is geolocated - is valid (identification score > threshold) - from a user with an enabled account - with a known species name (valid or synonym) in Pl@ntNet - species name != Cannabis - date_observation > 0 - must be in one of the WGSRPD polygon level 3 and the binomial species name (without author) must match a species of the corresponding Kew checklist
Referencias bibliográficas
- Joly, A., Goëau, H., Bonnet, P., Bakić, V., Barbe, J., Selmi, S., ... & Yahiaoui I., Carré J., Mouysset E., Molino J.-f., Boujemaa B., Barthélémy D., (2014). Interactive plant identification based on social image data. Ecological Informatics, 23, 22-34. https://doi.org/10.1016/j.ecoinf.2013.07.006
- Joly, A., Bonnet, P., Goëau, H., Barbe, J., Selmi, S., Champ, J., Dufour-Kowalski, S., Affouard, A., Carré, J., Molino, J.-f., Boujemaa, N., & Barthélémy D., (2016). A look inside the Pl@ntNet experience. Multimedia Systems, 22(6), 751-766. https://doi.org/10.1007/s00530-015-0462-9
- Goëau, H., Bonnet, P., Joly, A., 2017. Plant identification based on noisy web data: the amazing performance of deep learning (LifeCLEF 2017). CLEF: Conference and Labs of the Evaluation Forum, Sep 2017, Dublin, Ireland. ⟨hal-01629183⟩ https://hal.archives-ouvertes.fr/hal-01629183
- Affouard, A., Goëau, H., Bonnet, P., Lombardo, J. C., & Joly, A., (2017). Pl@ntNet app in the era of deep learning. ICLR: International Conference on Learning Representations, Apr 2017, Toulon, France. ⟨hal-01629195⟩ https://hal.archives-ouvertes.fr/hal-01629195
Metadatos adicionales
| Identificadores alternativos | 7a3679ef-5582-4aaa-81f0-8c2545cafc81 |
|---|---|
| https://ipt.plantnet.org/resource?r=observations |