Orchid Growth Status Detection (Shoots / Spike / Roots) | 兰花新芽/花梗/根系状态识别
通过高清图像识别兰花新芽、花梗、根系状态
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：Orchid Growth Status Detection (Shoots / Spike / Roots) | 兰花新芽/花梗/根系状态识别。 它的用途是：通过高清图像识别兰花新芽、花梗、根系状态 完整的 Skill 内容见：https://321skill.com/skills/orchid-growth-status-detection-shoots-spike-roots-兰花新芽-花梗-根系-x-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
'帮我检测这盆蝴蝶兰的生长状态'，并上传一张包含透明盆根部的照片。AI会分析并标注出新芽数量（2个）、花梗长度（15cm）、根系健康度（90%），并给出'当前光照偏强，建议适当遮阴'的养护建议，整个过程约3秒。
介绍
兰花种植中，新芽、花梗和根系的生长状态是判断植株健康与开花潜力的关键指标，但传统肉眼观察不仅耗时，还容易因主观判断产生误差。本Skill基于深度学习视觉模型，可对用户通过手机或兰花专用摄像头拍摄的高清图像进行自动分析，精准识别透明盆内的根系健康度、新芽萌发数量以及花梗发育阶段，输出结构化状态报告。
使用方式极为简单：用户只需拍摄一张清晰的兰花照片（建议包含盆土和根部区域），上传至系统后，AI将在数秒内完成检测，并以可视化方式标注各部位状态，同时附带简要的养护建议，例如是否需要换盆、调整光照或施肥。该过程无需任何专业知识，即可获得客观、量化的生长评估。
本Skill主要面向兰花种植户、园艺爱好者、植物科研人员以及花卉电商运营者。对于教学场景，教师可将其作为课堂演示工具，直观展示植物生长周期；对于科研人员，可作为快速记录和量化实验数据的手段；对于内容创作者，可用于制作专业的花卉养护视频或文章，提升内容可信度。
使用建议：拍摄时尽量保持光线均匀、背景简洁，透明盆或半透明盆能显著提升根系识别准确率；不同兰花品种（如蝴蝶兰、石斛兰）的形态差异可能影响模型表现，建议在关键品种上先进行小批量测试。此外，本Skill目前仅支持单张图片分析，暂不支持批量处理或视频流实时检测。
核心特点
与通用植物识别类Skill不同，本Skill专门针对兰花的新芽、花梗和根系三个关键部位进行精细状态检测，且首次支持透明盆内根系的可视化分析，在园艺垂直领域达到专业级识别精度。
注意事项
仅适用于常见兰花品种，稀有品种或低质量图像可能导致识别准确率下降；需要联网进行AI推理，不支持离线运行。
常见问题
支持哪些兰花品种？
常见品种如蝴蝶兰、石斛兰、文心兰、卡特兰等均可识别，稀有品种建议先测试。
照片有什么要求？
建议使用高清摄像头（≥800万像素），拍摄时保持植株居中、光线充足，透明盆或半透明盆效果最佳。
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/orchid-growth-status-detection-shoots-spike-roots-兰花新芽-花梗-根系-x-3/raw/index.md 读取 Orchid Growth Status Detection (Shoots / Spike / Roots) | 兰花新芽/花梗/根系状态识别 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/orchid-growth-status-detection-shoots-spike-roots-兰花新芽-花梗-根系-x-3/raw/index.md（查看排版版本）