Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
利用AI视觉识别植物叶片卷曲与焦边，诊断干旱或病害问题。
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视觉识别植物叶片卷曲与焦边，诊断干旱或病害问题。 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-2/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
“分析今天上午10点3号温室的叶片巡检图像。”，它会调用摄像头拍摄的图像，识别出其中部分番茄叶片出现上卷且新叶叶尖焦枯，结合该区域土壤湿度正常的数据，判断可能为早期病害或肥害，并输出“检测到新叶上卷伴叶尖焦枯，土壤湿度正常，建议排查近期施肥情况或检查是否有病害初期症状”的诊断与行动建议。
介绍
该Skill旨在解决农业生产中，植物因干旱、病害、肥害等原因出现叶片卷曲或叶缘焦枯时，人工诊断效率低、准确性不足的问题。它通过部署在田间的农业摄像头定期拍摄高清叶片图像，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），并可结合土壤湿度传感器数据，综合判断导致问题的根本原因。
使用时，用户需将Skill部署到具备摄像头的农业物联网系统中，系统会自动巡检并分析图像。当检测到异常时，它会输出包含具体症状（如“叶片上卷、叶缘焦枯”）和可能原因（如“土壤湿度偏低，可能干旱”）的诊断报告，并给出针对性建议（如“建议灌溉”）。整个过程自动化，无需人工干预图像分析。
该Skill非常适合农业技术员、种植大户、智慧农场管理者以及农业科研人员。他们可以利用该工具实现对作物健康状况的实时、规模化监测，快速定位问题，减少因误判或延误处理造成的产量损失。
使用建议：为确保诊断准确性，建议定期校准摄像头，并保证拍摄图像清晰、光照均匀。若结合土壤湿度传感器，需确保传感器数据与图像采集区域对应。注意，该诊断结果可作为重要参考，但在采取重大农事措施（如施用农药）前，建议结合实地勘察进行最终确认。
核心特点
与仅识别单一病害的AI工具不同，本Skill能综合分析叶片卷曲方向、焦边分布特征，并结合可选的环境传感器数据（如土壤湿度），进行多因素交叉诊断，从而区分干旱、病害、药害、肥害等多种原因，提供更精准的农业决策支持。
注意事项
不适合用于非植物叶片图像的分析，或在极端恶劣天气（如暴雨、浓雾）导致图像严重模糊时使用。
常见问题
需要什么硬件设备？
需要支持高清拍摄的农业摄像头，可选配土壤湿度传感器以增强诊断准确性。
能识别哪些具体病害？
可辅助判断由白粉病、病毒病等引起的叶片症状，但主要功能是区分症状类型（如卷曲、焦边）并关联至干旱、病害等大类原因，而非替代实验室级别的病原体鉴定。
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-2/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-2/raw/index.md（查看排版版本）