Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
利用AI视觉识别植物卷叶与焦边，诊断干旱或病害原因。
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：利用AI视觉识别植物卷叶与焦边，诊断干旱或病害原因。 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/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3号温室的番茄叶片图像，看看有没有异常。”，它会调用摄像头拍摄图像，识别出叶片存在上卷且老叶叶缘焦枯，同时读取到该区域土壤湿度偏低，从而综合判断为干旱胁迫，并输出建议：“检测到叶片上卷、老叶叶缘焦枯，结合土壤湿度数据，判断为干旱胁迫，建议立即进行灌溉。”
介绍
本技能旨在解决农业生产中植物叶片异常（如卷曲、叶缘焦枯）的快速、精准诊断难题。传统方法依赖农技人员经验，效率低且易误判。
通过部署农业摄像头定期拍摄叶片高清图像，利用AI视觉技术自动分析卷曲方向（上卷或下卷）、焦边分布（老叶/新叶、叶尖/叶缘）等特征，并可结合土壤湿度传感器数据，综合判断导致叶片异常的主要原因，如干旱胁迫、病害（白粉病、病毒病）、药害或肥害等。
它非常适合农业种植户、农业技术员、农业科研人员以及智慧农场管理者使用，帮助他们摆脱对个人经验的过度依赖，实现规模化、标准化的植物健康监测。
使用时建议确保摄像头拍摄角度和光照条件稳定，以获得清晰的叶片图像。对于复杂病害，本技能提供初步诊断，建议结合实地采样进行最终确认。定期校准土壤湿度传感器有助于提高干旱判断的准确性。
核心特点
与同类植物识别技能相比，本技能不仅识别叶片异常现象，更深入分析卷曲方向、焦边分布等具体形态特征，并能融合土壤湿度等环境传感器数据，提供更具针对性的病因诊断（如区分干旱与病害），而非仅仅给出“叶片异常”的笼统结论。
注意事项
不适合用于识别与卷叶、焦边无关的其他复杂植物病症（如果实病害、根系问题），或在极端恶劣天气（如强风、暴雨）导致图像严重模糊时使用。
常见问题
这个技能能识别哪些具体的植物病害？
主要针对可能引起卷叶或焦边症状的病害进行辅助判断，如白粉病、部分病毒病，但无法覆盖所有植物病害种类。
需要搭配特定的硬件吗？
核心需要农业摄像头拍摄图像，土壤湿度传感器为可选，用于增强干旱诊断的准确性。
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/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/raw/index.md（查看排版版本）