Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
从叶片图像诊断植物营养缺素症
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：从叶片图像诊断植物营养缺素症 完整的 Skill 内容见：https://321skill.com/skills/plant-nutrient-deficiency-diagnosis-植物缺素症视觉诊断-x-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
'请帮我诊断这张叶片图像，看看它缺什么营养元素？' 它会接收图像，分析叶片颜色、叶脉和叶缘形态，与缺素症特征库比对，然后输出：'初步判断为缺铁（置信度92%），建议补充螯合铁肥，注意调节土壤pH值。'
介绍
植物缺素症是影响作物产量和品质的常见问题，传统诊断依赖经验或实验室检测，成本高、周期长。本技能通过AI视觉分析技术，从用户拍摄的植物叶片高清图像中自动识别颜色、形态等关键症状特征（如叶色浅绿、黄绿、紫红、叶缘焦枯、叶脉间失绿等），并与内置的常见营养缺乏症特征数据库进行比对，快速输出最可能缺乏的营养元素（氮、磷、钾、铁、镁、锌等）及置信度评分，帮助用户实现精准施肥。
使用非常简单：用户只需拍摄一张清晰的叶片照片（建议自然光下、背景单一），通过支持该技能的AI助手或平台上传图像，系统将在数秒内完成分析并给出诊断报告。报告包含疑似缺素元素、置信度、典型症状描述及初步施肥建议，支持多次验证。
本技能适用于智能花盆、家庭园艺爱好者、农业大棚种植者、植物工厂运营人员及农业科研教学场景。无论是阳台盆栽的番茄、大棚里的草莓，还是水培生菜，只需一张照片即可获得专业级诊断参考，避免盲目施肥导致的浪费和二次伤害。
使用建议：为提高诊断准确率，请尽量拍摄健康叶片与病变叶片的对比照片，并确保叶片完整、无严重病虫害干扰。本技能作为快速筛查工具，对于复杂复合型缺素或严重病变，建议结合土壤检测或专业农技人员确认。
核心特点
同类技能多为通用图像分类或简单规则匹配，而本技能专门针对植物营养缺乏症建立了细粒度视觉特征库，能够区分不同元素缺乏导致的细微叶色、叶脉、叶边缘变化，并输出置信度，实现从识别到推荐施肥的闭环。
注意事项
不适用于根部病害、病毒病或非营养元素引起的叶片异常，且对于复合型缺素（多种元素同时缺乏）的诊断准确率会下降。
常见问题
拍摄叶片有什么要求？
建议在自然光下拍摄，背景单一，叶片完整且聚焦清晰，避免阴影或反光；最好同时拍摄健康叶片和病叶作为对比。
能诊断哪些营养元素？
目前支持氮、磷、钾、铁、镁、锌、钙、硼等常见元素的缺乏症，未来会持续扩展。
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-nutrient-deficiency-diagnosis-植物缺素症视觉诊断-x-4/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/plant-nutrient-deficiency-diagnosis-植物缺素症视觉诊断-x-4/raw/index.md（查看排版版本）