Flowering & Fruit Set Rate Analysis | 番茄/辣椒开花坐果率分析

AI视觉分析番茄/辣椒开花坐果率

数据分析 数据分析师高校学生 验证图像识别算法方案准确率效果 通用 ★ 1k 更新于 2026-08-01

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:Flowering & Fruit Set Rate Analysis | 番茄/辣椒开花坐果率分析。
它的用途是:AI视觉分析番茄/辣椒开花坐果率
完整的 Skill 内容见:https://321skill.com/skills/flower-fruit-analysis/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

'帮我分析这张番茄花穗照片,统计开放花朵数量和已坐果的幼果数量,计算坐果率。' 它会调用目标检测模型识别出图中花朵和幼果,返回计数结果:花朵12朵,幼果7个,坐果率58.3%,并给出建议:当前坐果率偏低,可能是授粉不足或夜间温度过高,建议人工辅助授粉并检查温度。

介绍

番茄和辣椒种植中,开花坐果率是衡量授粉成效、营养状况和环境适应性的关键指标。传统人工计数费时费力且主观性强,尤其在家庭种植箱、温室或阳台菜园场景下,种植者难以快速获知植株的实际坐果情况。该技能通过AI视觉目标检测模型,直接分析用户拍摄的花果簇照片,自动识别开放花朵(花冠完全展开、雄蕊可见)和已成功坐果的幼果(子房膨大、直径约0.5-1cm的绿色小果),并计算坐果率(幼果数/花朵数×100%),为种植者提供量化、客观的判断依据。

使用非常简单:拍摄一张包含番茄或辣椒花穗/果簇的清晰照片(可用手机或智能种植箱内置摄像头),向AI发送图片并请求分析。AI会调用预训练的目标检测模型,在图像中标注出花朵和幼果的位置,输出计数结果和坐果率百分比,同时结合数据给出建议——例如坐果率偏低时提示人工辅助授粉或调整水肥管理,坐果率偏高时说明环境适宜可维持当前管理。整个过程无需专业知识,几秒内即可完成。

该技能适合以下用户:家庭智能种植箱用户、阳台蔬菜种植爱好者、温室大棚种植者、农业科技公司技术人员,以及农业院校师生进行教学演示或实验分析。无论你是业余爱好者还是专业种植者,都能通过数据直观了解植株健康状态,及时调整种植策略。

使用建议:拍摄时尽量让花穗或果簇占据画面主要区域,避免强逆光或过度遮挡;对于密集花序,可多角度拍摄取平均值。注意该技能仅针对番茄和辣椒品种,暂不支持其他作物;检测精度受照片质量影响,模糊或过暗图像可能导致漏检。建议在自然光照下拍摄,并定期使用同一植株的纵向数据对比趋势,而非仅依赖单次结果。

常见问题

可以用它分析草莓或黄瓜的坐果率吗?

目前仅支持番茄和辣椒,模型未针对其他作物训练,结果不可靠。

照片需要什么角度和距离?

建议让花穗/果簇占画面60%以上,距离约20-30cm,避免逆光,自然光下拍摄效果最佳。

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/flower-fruit-analysis/raw/index.md 读取 Flowering & Fruit Set Rate Analysis | 番茄/辣椒开花坐果率分析 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。