Leaf Aging Fall Prediction | 植物叶片老化/脱落预测
利用AI视觉与时间序列模型，预测室内绿植叶片脱落风险。
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：Leaf Aging Fall Prediction | 植物叶片老化/脱落预测。 它的用途是：利用AI视觉与时间序列模型，预测室内绿植叶片脱落风险。 完整的 Skill 内容见：https://321skill.com/skills/leaf-aging-fall-prediction-植物叶片老化-脱落预测-x-4/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
“分析一下我这盆富贵竹最近一周的叶片状态，看看有没有叶子快掉了。” 它会调取并分析连续的叶片图像，识别出正在老化的叶片，并告诉你：“检测到下层第三片叶子颜色已转为黄褐色，离层角度明显，预测可能在2-4天内脱落，建议提前修剪。”
介绍
本Skill旨在解决室内绿植养护中叶片老化与脱落难以预测的问题。传统养护依赖肉眼观察，往往在叶片枯黄或脱落后才发现，影响美观，也错失了提前干预的时机。
Skill通过固定摄像头每日采集同一角度的叶片图像，利用AI视觉技术分析叶片颜色从绿到黄再到褐的渐变过程、叶面光泽度的下降以及叶柄基部离层形成的角度变化。结合历史图像序列，通过时间序列模型预测未来3-7天内叶片脱落的具体风险时段。
该Skill非常适合热爱绿植但缺乏专业植物学知识的家庭用户、办公室行政人员（负责维护办公环境绿植）以及植物商店或苗圃的经营者，帮助他们实现更精细化、前瞻性的植物健康管理。
使用建议：确保摄像头固定且拍摄角度、光照条件每日基本一致，以获得最准确的图像序列。对于叶片密集或植株较大的植物，可能需要针对重点叶片进行观察。注意，模型预测的是基于视觉特征的脱落趋势，不替代对土壤湿度、养分等综合因素的判断。
核心特点
与仅识别植物种类或健康状况的通用植物识别Skill不同，本Skill专注于单叶级别的老化进程微观监测，并能基于连续图像数据进行时间序列预测，提供未来几天内的具体脱落风险预警，实现了从“状态识别”到“趋势预测”的跨越。
注意事项
不适用于户外环境或光照、角度变化剧烈的场景，也无法预测因病虫害、物理损伤等非自然老化因素导致的叶片脱落。
常见问题
需要什么样的摄像头？
普通的固定式室内网络摄像头即可，关键是要能稳定拍摄、角度固定。
预测准确率高吗？
在光照稳定、图像清晰的条件下，对自然老化过程的预测有较高参考价值，但实际脱落时间可能受环境微扰影响。
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/leaf-aging-fall-prediction-植物叶片老化-脱落预测-x-4/raw/index.md 读取 Leaf Aging Fall Prediction | 植物叶片老化/脱落预测 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/leaf-aging-fall-prediction-植物叶片老化-脱落预测-x-4/raw/index.md（查看排版版本）