Leaf Aging Fall Prediction | 植物叶片老化/脱落预测
利用AI视觉与时间序列模型，预测室内绿植叶片脱落风险。
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 Aging Fall Prediction | 植物叶片老化/脱落预测。 它的用途是：利用AI视觉与时间序列模型，预测室内绿植叶片脱落风险。 完整的 Skill 内容见：https://321skill.com/skills/leaf-fall-prediction-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
“分析一下我的富贵竹最近一周的叶片老化情况，并预测未来几天哪些叶子可能脱落。” 它会调取历史图像序列，分析颜色、光泽度等指标的变化趋势，生成一份包含风险叶片定位和预计脱落时间的每日老化报告，并给出如“左下第二片叶预计3天后脱落，建议提前修剪”的具体提醒。
介绍
本Skill旨在解决室内绿植养护中叶片老化脱落难以预测的问题。传统养护依赖肉眼观察，往往在叶片枯黄脱落时才被发现，影响植物美观，也错过了提前干预的时机。
Skill通过固定摄像头每日定时采集植物叶片图像，利用AI视觉技术自动分析叶片颜色从绿到黄再到褐的渐变过程、叶面光泽度的减弱以及叶柄基部离层形成的细微角度变化。这些视觉特征被量化为时间序列数据，输入预测模型，从而评估未来3-7天内叶片脱落的风险概率。
它非常适合热爱室内绿植但时间有限、希望保持植物最佳观赏状态的都市白领、植物爱好者，以及植物商店、办公场所的绿植维护人员。对于需要精确记录植物生长变化数据的学术研究者或园艺从业者也有参考价值。
使用建议：确保摄像头固定且拍摄角度、光照条件每日尽可能一致，以获得稳定的图像序列。初期需要连续采集一段时间（如1-2周）的数据以训练模型，预测才会更准确。注意，本Skill主要针对常见室内观叶植物，对于多肉、仙人掌等特殊形态植物或环境光照剧烈变化的场景，预测效果可能受限。
常见问题
需要什么样的摄像头？
建议使用固定位置的家用监控摄像头或网络摄像头，能保持每天同一角度拍摄即可。
预测准确吗？
准确度依赖于连续、稳定的图像数据积累，初期需要1-2周数据训练，对常见室内观叶植物有较高参考价值。
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-fall-prediction-4/raw/index.md 读取 Leaf Aging Fall Prediction | 植物叶片老化/脱落预测 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-fall-prediction-4/raw/index.md（查看排版版本）