Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
植物叶片AI诊断缺素症，精准施肥
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：Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断。 它的用途是：植物叶片AI诊断缺素症，精准施肥 完整的 Skill 内容见：https://321skill.com/skills/leaf-nutrient-ai-scanner-3/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
'请帮我诊断这张番茄叶片，叶片边缘发黄，叶脉间失绿，可能缺什么？' 它会分析图像，识别出典型缺钾症状，并输出'缺钾（置信度92%）'，同时建议补充钾肥。
介绍
植物缺素症是影响作物生长和产量的常见问题，传统诊断依赖经验，容易误判。本Skill通过AI视觉分析叶片图像，快速准确识别缺素种类，帮助用户精准施肥，避免盲目用肥造成浪费或伤害。
用户只需用手机或智能花盆拍摄叶片高清图像，上传至AI系统。系统利用计算机视觉技术分析叶片颜色、形态变化（如叶色浅绿、黄绿、紫红、叶缘焦枯、叶脉间失绿等），与专业缺素特征库比对，输出最可能缺乏的营养元素（氮、磷、钾、铁、镁、锌等）及置信度分数。
适用于智能花盆用户、家庭园艺爱好者、农业大棚管理者、植物工厂技术人员等。也适合农业科研人员、高校学生进行植物营养诊断教学与研究。
建议拍摄清晰、光照均匀的叶片正面图像，避免遮挡和阴影。可结合土壤检测结果综合判断。注意区分缺素症与病虫害症状，必要时进行人工复核。
常见问题
诊断需要什么设备？
只需手机或相机拍摄叶片图像即可，无需额外设备。
诊断准确率如何？
在图像清晰、光照合适的条件下，准确率可达85%以上，但建议结合实际情况综合判断。
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-nutrient-ai-scanner-3/raw/index.md 读取 Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断 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-nutrient-ai-scanner-3/raw/index.md（查看排版版本）