V roce 2003 vznikla myšlenka o vytvoření mobilních aplikací pro automatické určování rostlin, které by výrazně urychlily a především usnadnily determinaci druhů. V průběhu let mnoho výzkumných týmů pracovalo na zlepšování těchto aplikací, které pravidelně každý rok podstupovaly nejrůznější výzvy (tzv. LifeCLEF), při kterých byla testována jejich úspěšnost při determinaci. V poslední době se čím dál víc uvažuje o možnostech využití těchto aplikací při výuce biologie na školách. Závěry většiny studií ukázaly, že využití mobilních aplikací pro automatické určování rostlin vedlo nejen k vyšší úspěšnosti žáků při identifikaci rostlin, ale zvýšil se i jejich zájem o dané studium. Cílem této práce bylo zjistit na jaké úrovni jsou aplikace při použití ve střední Evropě dnes a porovnat úspěšnost jednotlivých nejčastěji používaných aplikací mezi sebou. Pro tento experiment byl vytvořen seznam 120 druhů rostlin, které byly následně vyhledány a nafotografovány v přírodě. Datová sada pro tento experiment obsahovala celkem 202 detailních snímků především listů a květů jednotlivých rostlin, dále pak fotografie plodů a habitu. Druhy byly rozděleny do šesti kategorií (běžné rostliny snadno poznatelné, běžné rostliny hůře poznatelné, pěstované rostliny, dřeviny, vzácné rostliny snadno poznatelné a vzácné rostliny hůře poznatelné). Pro experiment bylo vybráno 10 mobilních aplikací. Nejúspěšnější z aplikací, LeafSnap, měla celkovou procentuální úspěšnost 90,29 %. Průměrná procentuální úspěšnost všech aplikací byla 83,38 %. Osm z deseti použitých aplikací překonalo 80 % úspěšnost. Aplikace měly podobné úspěšnosti při determinaci rostlin v jednotlivých kategoriích, s výjimkou aplikace PlantSnap, která byla, v porovnání s ostatními výrazně horší při determinaci rostlin ve všech kategoriích. Aplikace si dokázaly nejlépe poradit se skupinami běžné rostliny snadno poznatelné a vzácné rostliny snadno poznatelné, naopak největší problém představovaly skupiny běžné rostliny hůře poznatelné a vzácné rostliny hůře poznatelné. Z experimentu je jasné, že aplikace od svého vzniku učinily obrovský pokrok. Zároveň se však ukázalo, že mezi jednotlivými aplikacemi jsou značné rozdíly ve schopnosti determinace rostlin středoevropské flóry. Jelikož nejlepší z aplikací překonala procentuální úspěšnost 90 %, tak by se dalo říct, že v dnešní době jsou některé aplikace pro automatické určování rostlin již na takové úrovni, aby se mohly rovnat znalostem profesionálních botaniků.In 2003, the idea to create mobile applications for automated plant identification was born with the goal to significantly speed up and, above all, ease the identification of species. Over the years, many research teams have worked on improving these applications that regularly went through various challenges each year (so-called LifeCLEF) during which their success in determining plants has been tested. Recently, the possibilities of using these applications in biology teaching have been more and more considered. The majority of studies has shown that the use of mobile applications for automatic plant identification led not only to a higher success rate of students correctly identifying plants, but also these applications increased students' interest in the study. The aim of this work was to find out on what level the applications used in the Central Europe are today and to compare the success rate of the most frequently used applications. For this experiment, a list of 120 species of plants was created, which were then found and photographed in nature. The data set for this experiment contained a total of 202 detailed images of mainly leaves and flowers of individual plants, as well as photographs of fruits and habitus. The species were divided into six categories (common plants easily recognizable, common plants less recognizable, cultivated plants, woody plants, rare plants easily recognizable and rare plants less recognizable). Ten mobile applications were selected for the experiment. The most successful of the applications, LeafSnap, had an overall success rate of 90,29 %. The average percentage of success rate of all the applications was 83,38 %. Eight out of the ten applications outperformed 80 %. The applications had similar success rates in determining plants in each category, except for PlantSnap, which was significantly worse in determining plants in all categories compared to the other applications. The applications reached best results within the categories common plants easily recognizable and rare plants easily recognizable, on the other hand the most problematic categories for them were common plants less recognizable and rare plants less recognizable. The experiment shows that applications have made tremendous progress since their inception. At the same time, however, it turned out that there were significant differences among the individual applications in the ability to determine the plants of Central European flora. As the best of the applications exceeded the success rate of 90%, it could be said that today, some applications for automatic plant identification are already at such level that they could be matched to the knowledge of professional botanists.