Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）
利用AI视觉技术，自动诊断植物卷叶与焦边原因。
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：利用AI视觉技术，自动诊断植物卷叶与焦边原因。 完整的 Skill 内容见：https://321skill.com/skills/plant-health-diagnosis-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
“分析一下3号温室内番茄叶片的健康状况。” 它会调用摄像头拍摄图像，分析后回复：“检测到部分老叶叶缘焦枯，新叶轻微上卷，结合当前土壤湿度正常，初步判断可能存在肥害或轻度病害，建议检查近期施肥情况并观察是否有病害斑块。”
介绍
本Skill旨在解决农业生产中植物叶片异常（如卷曲、叶缘焦枯）的快速、精准诊断难题。传统方法依赖人工经验，效率低且易误判，本工具通过高清摄像头拍摄叶片图像，结合AI视觉分析，能自动识别卷曲方向（上卷/下卷）和焦边分布特征（老叶/新叶、叶尖/叶缘），并可选择性接入土壤湿度传感器数据，综合分析导致叶片异常的可能原因，如干旱胁迫、病害（白粉病、病毒病）、药害或肥害等。 用户只需部署农业摄像头，定期或按需拍摄植物叶片图像，系统便会自动巡检、分析并输出诊断报告。例如，当检测到叶片上卷且土壤湿度偏低时，系统会提示“可能干旱，建议灌溉”。整个过程无需用户具备深厚的植保知识，自动化程度高。 它非常适合农业技术人员、种植大户、智慧农场管理者以及农业科研人员使用，帮助他们快速定位问题，减少作物损失，实现精准农事管理。对于缺乏经验的种植新手，也能提供专业级的诊断参考。 建议在光照条件良好时拍摄高清图像，以确保分析准确性。同时，结合土壤湿度等传感器数据，能使诊断结果更为全面可靠。需注意，本工具主要提供基于视觉和可选环境数据的分析建议，对于复杂的复合型病害或需要实验室检测的情况，建议仍咨询专业植保人员。
常见问题
需要什么硬件设备？
需要部署支持高清拍摄的农业摄像头，可选配土壤湿度传感器以获取更全面的诊断数据。
能识别哪些具体的病害？
主要能辅助判断由白粉病、病毒病等引起的叶片形态异常，但具体病原菌鉴定仍需结合其他方法。
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/plant-health-diagnosis-3/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/plant-health-diagnosis-3/raw/index.md（查看排版版本）