Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
AI视觉识别植物卷叶焦边，智能诊断干旱病害原因。
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：AI视觉识别植物卷叶焦边，智能诊断干旱病害原因。 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-4/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和叶缘焦枯现象，并结合该区域的土壤湿度数据，输出诊断：‘检测到叶片上卷、老叶叶缘焦枯，同时土壤湿度低于阈值，综合判断为干旱胁迫导致，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。传统方法依赖人工经验，效率低且易误判，本技能通过高清摄像头采集叶片图像，利用AI视觉技术自动分析卷曲方向（上卷/下卷）和焦边分布（老叶/新叶、叶尖/叶缘），并可结合土壤湿度传感器数据，综合判断导致叶片异常的根本原因，如干旱胁迫、病害（白粉病、病毒病）、药害或肥害等。
使用时，用户需部署农业摄像头定期拍摄植物叶片，系统将自动巡检并分析图像。当检测到卷叶或焦边现象时，技能会输出包含可能原因和具体操作建议的诊断报告，例如“叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉”。整个过程自动化，无需用户具备深厚的植物病理学知识。
该技能特别适合规模化种植的农场主、农业技术人员、园艺工作者以及农业科研人员使用。对于希望实现精准农业管理、降低作物损失、提升管理效率的从业者而言，这是一个高效的工具。
使用建议：为确保诊断准确性，请保证摄像头拍摄的图像清晰、光线充足。建议将本技能与土壤湿度等传感器数据结合使用，以得到更全面的诊断结果。需注意，本技能主要基于视觉特征分析，对于症状不典型或多种病因混合的情况，诊断结果可作为重要参考，但仍建议结合实地勘察进行最终判断。
核心特点
与仅识别病害或仅监测环境的技能不同，本技能深度融合AI视觉与可选传感器数据，不仅能识别叶片卷曲、焦边等具体形态异常，更能分析其分布特征（如老叶vs新叶），从而系统性地推断出干旱、病害、药害、肥害等多种潜在原因，提供更具操作性的综合诊断。
注意事项
不适合用于症状极其轻微、不典型，或由极端复杂环境因素（如多种胁迫同时发生且症状重叠）导致的叶片异常诊断。
常见问题
这个技能需要什么硬件？
需要部署农业摄像头来拍摄高清叶片图像，可选配土壤湿度传感器以获取更精准的诊断数据。
能识别哪些具体的病害？
技能可识别由白粉病、病毒病等病害引起的特征性叶片卷曲和焦边症状，但具体病原菌鉴定需结合其他检测方法。
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-4/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-4/raw/index.md（查看排版版本）