Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
AI视觉诊断植物叶片缺素症
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：AI视觉诊断植物叶片缺素症 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-5/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
'我种的小番茄叶片发黄，叶脉间失绿，靠近顶部的叶片最明显，请帮我诊断缺什么营养元素？' 它会分析上传的叶片图像，识别出叶脉间失绿、叶色黄绿等特征，与缺素特征库比对，输出'最可能缺乏铁元素，置信度85%'，并建议补充螯合铁肥，同时提醒避免过量施肥。
介绍
植物缺素症是农业生产中常见的问题，但传统诊断依赖经验，容易误判。本技能通过AI视觉分析技术，从叶片高清图像中识别颜色、形态变化（如叶色浅绿、黄绿、紫红、叶缘焦枯、叶脉间失绿等），与常见营养缺乏症特征库自动比对，输出最可能缺乏的营养元素（氮、磷、钾、铁、镁、锌等）及置信度，帮助用户实现精准施肥，避免盲目用肥造成浪费或伤害。 使用非常简单：用户只需用手机或智能花盆、农业大棚摄像头拍摄植物叶片清晰照片，将图像上传至AI（可通过对话或API调用），系统即可在几秒内完成分析，并给出诊断结果和施肥建议。无需专业知识，操作门槛极低。 适合人群：家庭园艺爱好者、智能花盆用户、农业大棚技术人员、植物工厂运营者、农业院校师生及科研人员。尤其适合那些希望科学管理植物营养、减少化肥浪费、提升作物品质的群体。 使用建议：拍摄时尽量选择自然光下、叶片完整、症状明显的部位，避免背光或阴影遮挡。对于多种症状混合的情况，建议多拍几张不同叶片以提高诊断准确率。本技能主要针对营养缺乏症，若叶片出现虫斑、病斑等非营养症状，建议结合其他病虫害诊断工具。
核心特点
区别于通用图像识别工具，本技能专门针对植物缺素症构建了包含多种元素（氮磷钾铁镁锌等）的精细特征库，能区分相似症状（如缺氮与缺铁），并输出量化置信度，而非简单分类，支持精准农业决策。
注意事项
仅适用于叶片症状明显的营养缺乏症，对病虫害、环境胁迫或早期无症状缺素可能误判或漏检。
常见问题
支持哪些植物种类？
目前支持常见蔬菜、水果、观赏植物等，特征库覆盖50+种作物，持续扩展中。
需要什么设备？
只需一部能拍照的手机或智能花盆、农业大棚的摄像头，无需额外硬件。
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-5/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-5/raw/index.md（查看排版版本）