Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
植物叶片卷曲焦边AI诊断，识别干旱病害
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：植物叶片卷曲焦边AI诊断，识别干旱病害 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-7/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
“分析这张番茄叶片的高清图像，检测是否有卷曲和焦边，并结合土壤湿度数据判断原因。”它会自动识别叶片上卷、叶缘焦枯，结合湿度偏低给出“可能干旱，建议灌溉”的诊断。也可设置定期巡检，当出现异常时自动分析并推送通知。
介绍
植物叶片卷曲和焦边是常见症状，病因复杂，可能由干旱胁迫、病害（如白粉病、病毒病）、药害、肥害等引起，肉眼难以快速区分。本AI技能通过分析农业摄像头拍摄的高清叶片图像，利用视觉技术检测叶片卷曲方向（上卷或下卷）以及焦边在叶缘/叶尖、老叶/新叶上的分布特征，并可结合土壤湿度传感器数据（可选），综合判断主要原因，避免误诊。
使用方式简单：部署农业摄像头或上传叶片图像，系统自动分析并输出诊断结果与建议，例如“叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉”。支持定期巡检模式，当检测到卷叶或焦边时自动触发分析，无需人工持续监控。
本技能适合农业种植户、农业技术员、植物病害研究人员、智慧农业从业者以及相关学术研究者。尤其适用于温室大棚、果园、大田作物等需要高效监测叶片健康状态的场景，帮助快速定位问题并采取针对性措施。
建议使用清晰正面拍摄的叶片图像，避免强光直射或叶片严重遮挡；若搭配土壤湿度传感器，诊断准确率更高。对于叶片严重重叠、拍摄角度不佳或光照不足的情况，识别准确率可能下降，建议结合人工复核。定期校准摄像头和传感器可维持系统稳定性。
核心特点
结合叶片卷曲方向（上卷/下卷）和焦边分布（老叶/新叶、叶尖/叶缘）以及土壤湿度数据，综合判断原因，而非单一特征，比仅凭视觉症状的同类工具更精准。
注意事项
对于叶片严重重叠、拍摄角度不佳或光照不足的图像，识别准确率可能下降，且无法识别非卷曲/焦边类病害。
常见问题
这个技能能识别所有植物病害吗？
主要针对卷叶和焦边症状，不能识别所有病害，如叶斑病、锈病等需其他工具。
需要什么硬件支持？
需要农业摄像头或高清图像，可选土壤湿度传感器（非必须），摄像头建议固定角度拍摄叶片正面。
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-7/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-7/raw/index.md（查看排版版本）