Leaf Aging Fall Prediction | 植物叶片老化/脱落预测
利用AI视觉与时间序列分析，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视觉与时间序列分析，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-6/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
“帮我分析一下这盆绿萝最近一周的叶片老化情况，并预测未来几天哪些叶子可能会掉。” 它会调用Skill，调取对应时间段的图像序列进行分析，生成一份包含颜色变化趋势、光泽度评分和风险叶片标记的报告，并给出类似“左下角第三片叶子预计5天后脱落”的具体预测提醒。
介绍
本Skill旨在解决室内绿植养护中叶片老化脱落难以预测、影响美观的问题。它通过固定摄像头每日采集植物叶片图像，利用AI视觉技术分析叶片颜色（从绿到黄再到褐）、光泽度（反光减弱）以及叶柄基部离层形成（角度变化）等细微老化特征。基于这些特征构建的时间序列模型，能够预测未来3-7天内叶片脱落的风险时段。
使用时，用户只需按照说明部署摄像头并配置好Skill，系统便会自动进行每日图像采集与分析。它会生成每日老化进程报告，并在预测到叶片即将脱落时，通过预设渠道（如消息推送）发送提醒，例如“富贵竹下位叶预计3天后脱落，可提前剪除以保持美观”。
该Skill非常适合热爱室内绿植、追求精细化养护的家庭用户，以及需要维护大量室内绿植景观的办公场所、酒店或植物商店的管理人员。对于希望减少植物突然落叶带来的清理麻烦，并希望提前干预以保持植物最佳观赏状态的用户来说，这是一个理想的工具。
使用建议包括确保摄像头固定且拍摄角度、光照条件每日基本一致，以获得可靠的分析数据。注意事项是，该Skill主要针对常见室内观叶植物的老化进程，对于因病虫害、缺水肥等非自然老化导致的落叶，预测准确性可能受限，仍需结合人工观察判断。
核心特点
与同类植物识别或健康监测Skill相比，本Skill的核心在于“预测”而非“识别”。它通过连续的时间序列图像分析，量化叶片老化进程的多个维度（颜色、光泽、结构角度），并建立模型预测未来脱落的具体时间窗口，提供了可操作的预警，而不仅仅是当前状态的诊断。
注意事项
不适用于因突发性病虫害、极端环境变化（如突然断水）或非叶片老化（如茎干病害）导致的植物异常落叶预测。
常见问题
需要什么样的摄像头？
建议使用固定位置、分辨率清晰的普通室内网络摄像头即可，确保每日拍摄角度和光照稳定。
能预测所有植物的落叶吗？
主要针对常见室内观叶植物（如绿萝、富贵竹、龟背竹等）的自然老化落叶，对于开花植物或特殊品种效果可能不佳。
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/leaf-aging-fall-prediction-植物叶片老化-脱落预测-x-6/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-6/raw/index.md（查看排版版本）