Plant Wilting Monitoring Skill | 植物枯萎监测技能
利用高光谱和计算机视觉早期监测植物枯萎迹象
安装使用
复制下面这段提示词发给你的 AI(Claude / Cursor / TRAE / Codex / WorkBuddy 等),它会自动帮你完成安装:
帮我安装这个 AI Skill:Plant Wilting Monitoring Skill | 植物枯萎监测技能。 它的用途是:利用高光谱和计算机视觉早期监测植物枯萎迹象 完整的 Skill 内容见:https://321skill.com/skills/early-wilt-detection-5/raw/index.md 请读取该页面内容,如果是 SKILL.md 格式直接安装,如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接,AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'分析这张番茄叶片的高光谱图像,判断是否有早期枯萎迹象',它会提取光谱特征并与模型对比,输出风险等级和置信度,同时给出相关建议。如果检测到异常,还会标注叶片区域并显示随时间变化的趋势图。
介绍
传统植物枯萎监测依赖肉眼观察,往往在叶片明显变色后才被发现,此时已错过最佳干预时机。本技能基于高光谱成像与计算机视觉技术,可在植物出现可见症状前捕捉到叶片反射光谱的细微变化,实现早期预警,帮助用户及时采取灌溉、施肥或病虫害防治措施,有效降低作物损失。
使用本技能时,用户只需上传或拍摄植物的高光谱图像(或提供包含足够光谱通道的图片),技能会自动提取光谱特征,结合预训练模型分析枯萎相关指标,并以可视化报告或预警信号的形式输出检测结果。整个过程无需专业背景,仅需几秒即可完成。
本技能适用于农业科研人员、温室管理人员、高校植物学或农学专业学生,以及从事精准农业技术推广的工作者。对于需要快速、无损、大规模监测作物健康状况的场景,尤其是对早期预警有高要求的园艺或粮食生产,本技能具有显著价值。
建议在使用前确保图像采集设备支持高光谱或至少包含近红外波段,并注意环境光照条件的一致性。对于仅依赖普通RGB图像的用户,本技能的效果可能受限,可考虑结合其他视觉增强方法使用。
常见问题
没有高光谱相机,可以用普通照片代替吗?
普通RGB照片缺少近红外等关键波段,检测效果会大幅下降,建议使用至少包含近红外通道的多光谱设备。
这个技能能检测哪些植物的枯萎?
目前主要训练数据集涵盖番茄、小麦、玉米等常见作物,其他植物需要先验证模型泛化能力。
给 AI 助手的安装指引
如果你的 AI 编程助手(Claude Code、Cursor、TRAE 等)能看到这个页面,把下面这段发给它即可自动完成安装:
请访问 https://321skill.com/skills/early-wilt-detection-5/raw/index.md 读取 Plant Wilting Monitoring Skill | 植物枯萎监测技能 的原始 Skill 定义(Markdown 格式),按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址:/skills/early-wilt-detection-5/raw/index.md(查看排版版本)