Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
AI视觉诊断植物卷叶焦边原因
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 Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）。 它的用途是：AI视觉诊断植物卷叶焦边原因 完整的 Skill 内容见：https://321skill.com/skills/leaf-curling-margin-scorch-diagnosis-植物卷叶-焦边识别-干旱-病害-x-3/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
“请分析这张番茄叶片照片，检测卷曲方向和焦边分布，并查看土壤湿度数据。”它会识别叶片上卷、叶缘焦枯，结合土壤湿度偏低，判断为干旱胁迫，输出“建议立即灌溉，并检查灌溉系统是否故障”。
介绍
该技能解决农业种植中叶片卷曲和焦边（叶缘干枯）的快速诊断问题。传统依赖人工经验判断，耗时且易误判，而本技能通过农业摄像头拍摄高清叶片图像，利用AI视觉分析自动检测叶片卷曲方向（上卷或下卷）、焦边在叶尖与叶缘的分布，以及老叶与新叶的差异，结合可选的土壤湿度传感器数据，综合判断干旱胁迫、病害（如白粉病、病毒病）、药害、肥害等根本原因，输出诊断结论与针对性建议。
使用方式：定期对叶片拍照或通过摄像头实时巡检，将图像上传至系统（可集成到农业物联网平台）。AI自动分析卷曲方向与焦边特征，并比对土壤湿度数据（如有），生成诊断报告，例如“叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉”。用户可查看详细分析结果，包括图像标注、原因概率和推荐措施。
适合用户：农业种植者、农场管理人员、农业技术推广人员、植物病理学研究者，以及智慧农业从业者。尤其适合大规模温室、果园、大田作物的自动化巡检场景，可替代人工巡查，提升诊断效率与准确性。
使用建议：为保证诊断精度，拍摄时确保叶片完整、光照均匀；建议定期校准土壤湿度传感器；该系统对病害识别需结合当地常见病害数据库，初期可补充样本训练；对于虫害导致的卷叶（如蚜虫）不在本技能覆盖范围内，需结合其他检测手段。
核心特点
同类技能多仅检测叶片异常有无，而本技能精细区分卷曲方向（上卷/下卷）和焦边分布（老叶/新叶、叶尖/叶缘），并融合土壤湿度数据，可区分干旱、病害、药害等多类原因，输出具体诊断而非简单报警。
注意事项
不适用于虫害（如蚜虫、红蜘蛛）导致的卷叶，且对非典型症状或复合胁迫的诊断准确率可能下降。
常见问题
可以识别哪些植物叶片？
支持常见农作物（如水稻、小麦、玉米、蔬菜、果树等），但需针对特定植物训练模型，通用版本覆盖常见种类。
需要什么硬件设备？
推荐使用高清农业摄像头（分辨率≥1080p），建议搭配土壤湿度传感器（可选）以提升诊断准确率。
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-curling-margin-scorch-diagnosis-植物卷叶-焦边识别-干旱-病害-x-3/raw/index.md 读取 Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害） 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-curling-margin-scorch-diagnosis-植物卷叶-焦边识别-干旱-病害-x-3/raw/index.md（查看排版版本）