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/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

“帮我分析过去一周富贵竹叶片的图像序列,预测未来几天是否有叶片会脱落。”,它会调用技能处理图像,识别老化特征,并基于时间序列模型给出未来3-7天的落叶风险报告及具体叶片位置的预警。用户可以根据提醒提前修剪,保持植物美观。

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。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变化、光泽度下降以及叶柄基部离层形成等老化特征。系统基于历史图像序列建立时间序列模型,预测未来3-7天内叶片脱落的风险时段,并每日生成老化报告,在预测到即将落叶时推送提醒,方便用户提前处理。

使用方式非常简单:用户只需在家中绿植旁固定一个摄像头(如旧手机或网络摄像头),确保每天在同一时间、同一角度自动拍摄。将Skill部署后,它会自动处理图像序列,分析老化进程。用户可以通过系统推送的每日报告或预警信息(如“富贵竹下位叶预计3天后脱落,可提前剪除以保持美观”)来了解植物状态并采取行动。

该Skill非常适合热爱室内园艺、但工作繁忙或缺乏专业养护知识的植物爱好者、家庭用户,以及希望保持办公或商业空间绿植美观整洁的行政人员、物业管理者。对于植物科研或园艺教学场景,它也能提供连续、客观的观察数据。

使用建议:确保摄像头安装稳固,避免光线剧烈变化影响图像分析准确性。初期需要连续采集至少一周的图像数据以建立基线。注意事项:本Skill主要针对常见室内观叶植物(如富贵竹、绿萝、龟背竹等)的叶片老化预测,对于花朵、果实脱落或由病虫害、缺水等急性胁迫引起的落叶预测效果有限,且需要相对稳定的室内光照环境。

核心特点

与仅识别当前植物状态的技能不同,本技能核心在于基于连续图像序列的时间序列预测模型,能提前3-7天预警叶片脱落,实现了从“状态诊断”到“风险预测”的跨越。同时,它综合分析了颜色、光泽度、叶柄角度等多维视觉特征,而非单一指标,预测更精准。

注意事项

不适合预测由突发病虫害、极端环境变化(如突然断水)或非叶片器官(花、果)的脱落。

常见问题

需要什么样的摄像头?

任何能固定位置、每天自动拍摄并传输图像的设备均可,如闲置智能手机、USB网络摄像头或智能摄像头。

预测准确率高吗?

在光照稳定、针对常见室内观叶植物且连续采集数据一周以上的条件下,对典型老化脱落过程的预测准确率较高,但无法保证100%。

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/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。