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，结合土壤湿度判断原因
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，结合土壤湿度判断原因 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-5/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
'检查这张番茄叶片的卷曲方向，分析焦边分布，并告诉我可能的原因和浇水建议。' 它会通过视觉模型识别出叶片上卷、叶缘焦枯且老叶更严重，同时若配置了土壤湿度传感器，会读取当前湿度值（如20%），综合判断为干旱胁迫，输出诊断结果：'叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议立即灌溉，并检查灌溉系统是否均匀。'
介绍
该技能主要解决农业生产中叶片卷曲和焦边问题的自动诊断难题。传统依赖人工经验判断，效率低且易误判。通过农业摄像头拍摄高清叶片图像，AI视觉技术可精准识别叶片上卷或下卷方向，以及焦边在叶尖、叶缘、老叶、新叶上的分布特征，同时可选接入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，输出诊断结论与灌溉、施药等建议。
使用方式：将农业摄像头对准目标叶片，系统自动采集图像并运行分析。支持定期巡检模式，当检测到异常时自动触发诊断流程。也可在移动端或Web端上传图片临时分析。输出结果包含卷曲方向、焦边分布热力图、可能原因概率及处理建议，如“叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉”。
适合农业技术人员、植物保护研究员、农场管理者、智慧农业系统集成商等需要快速、准确判断作物健康状态的人群。尤其适用于大规模种植场景（如温室、果园）中替代人工巡检，降低漏诊率。
使用建议：确保摄像头分辨率足够（建议500万像素以上），拍摄时保持叶片在画面中央且光照均匀。土壤湿度传感器为可选输入，接入后诊断准确率可提升约30%。若仅凭图像无法区分药害与病害，建议结合当地用药记录或实验室检测验证。
核心特点
与其他植物病害识别模型不同，该技能专门区分卷叶方向（上卷/下卷）和焦边部位（老叶/新叶、叶尖/叶缘），并融合土壤湿度数据，可精准区分干旱、病害、药害、肥害等四大类原因，而非仅做病害分类。
注意事项
不适用于根系腐烂、虫害咬食等非叶片表面症状的植物问题，且对严重重叠或遮挡的叶片识别效果下降。
常见问题
如何区分干旱和病害导致的卷叶？
干旱通常导致叶片上卷、叶缘焦枯且老叶先受影响，结合土壤湿度低可确认；病害（如白粉病）常伴随下卷、病斑或粉状物，且新叶老叶都可能出现，土壤湿度正常。系统会综合这些特征给出概率分析。
需要什么硬件设备？
需要一台分辨率不低于500万像素的农业摄像头（可固定或移动），可选配土壤湿度传感器（如电容式或张力计式）。系统支持通过USB或WiFi连接，也可直接上传图片。
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-5/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-5/raw/index.md（查看排版版本）