Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
利用AI视觉技术，自动诊断植物卷叶与焦边成因。
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视觉技术，自动诊断植物卷叶与焦边成因。 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/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
‘分析刚上传的番茄叶片图像，并查看当前土壤湿度数据。’ 它会自动识别出叶片呈现‘上卷’且‘新叶叶缘焦枯’，同时结合土壤湿度偏低的读数，综合判断为‘可能遭受干旱胁迫’，并输出‘建议立即进行灌溉’的具体操作建议。
介绍
在农业生产中，植物叶片出现卷曲或边缘焦枯是常见的生长异常现象，其背后原因复杂多样，可能是干旱、病害、药害或肥害等。传统诊断依赖人工经验，效率低且易误判。本Skill旨在解决这一问题，通过自动化图像识别技术，快速、精准地分析叶片异常，为种植者提供科学的诊断依据。
使用时，用户只需通过农业摄像头定期拍摄植物叶片的高清图像并上传。系统将利用AI视觉模型自动分析叶片的卷曲方向（上卷或下卷）以及焦边（叶缘干枯）的分布特征（如出现在老叶还是新叶，叶尖还是叶缘）。系统还可以选择性地接入土壤湿度传感器数据，将视觉分析与环境数据结合，进行综合研判。
该Skill非常适合农业技术人员、种植大户、农业园区管理者以及农业科研人员使用。他们无需深厚的植物病理学背景，即可借助此工具快速定位问题，从而及时采取灌溉、施药或调整施肥方案等干预措施，减少作物损失。
建议将该Skill集成到温室或大田的定期巡检流程中，实现常态化监控。使用时需确保拍摄图像清晰、光线均匀，以提升识别准确率。对于复杂病害，本工具可提供初步判断方向，但仍建议结合专业农艺师进行最终确认，尤其是在涉及重大经济损失时。
核心特点
与同类植物识别工具相比，本Skill不仅识别异常现象，更专注于分析卷曲方向和焦边分布这两个关键形态特征，并能结合土壤湿度等传感器数据进行多源数据融合诊断，从而更精确地区分干旱、病害等不同诱因。
注意事项
对于叶片症状不典型、多种胁迫因素混合发生或由罕见病原体引起的复杂情况，诊断准确性可能受限。
常见问题
需要什么样的摄像头？
建议使用分辨率较高的农业专用摄像头，确保能清晰捕捉叶片纹理和边缘细节。
能识别哪些具体病害？
主要针对由白粉病、病毒病等引起的特征性卷叶和焦边症状进行关联分析，并非直接鉴定所有病原体种类。
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/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/raw/index.md（查看排版版本）