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，指导精准施肥。
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：AI视觉诊断植物叶片缺素症，指导精准施肥。 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-6/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，叶缘焦枯、叶脉间发黄，可能缺什么？”AI会分析图像特征，比对缺素数据库，输出“缺钾（置信度92%）”，并建议补充钾肥，同时提醒避免过量施肥。
介绍
植物缺素症是影响作物健康生长的常见问题，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，从叶片图像中识别颜色和形态变化（如叶色浅绿、黄绿、紫红，叶缘焦枯，叶脉间失绿等），与内置的常见缺素症特征库进行比对，输出最可能缺乏的营养元素（氮、磷、钾、铁、镁、锌等）及置信度评分，帮助用户快速定位问题。
使用方式简单：只需拍摄或上传清晰的植物叶片照片，即可获得诊断结果。系统会分析叶片特征，匹配缺素数据库，并给出建议施肥方向。整个流程无需专业设备，手机或智能花盆摄像头即可完成，适合居家、大棚、植物工厂等场景。
本技能尤其适合家庭园艺爱好者、现代农业从业者、植物工厂技术员以及农业科研人员。对于缺乏植物营养学知识的普通用户，它能有效降低诊断门槛，避免盲目施肥造成的浪费或二次伤害。对于专业人士，可作为快速筛查工具，辅助决策。
使用建议：拍照时尽量选择正面、光照均匀的叶片，避免遮挡或严重病虫害干扰。注意，本技能仅基于叶片外观进行推测，不能替代土壤检测或实验室鉴定。对于复杂病例或多种营养元素同时缺乏的情况，建议结合专业农艺师判断。此外，不同植物品种的症状表现可能略有差异，诊断结果仅供参考。
核心特点
同类技能多依赖简单规则或单色判断，而本技能结合计算机视觉对叶片颜色、形态、脉络等多维度特征进行综合分析，匹配专业缺素症特征库，并输出置信度，支持多种常见营养元素，提供量化参考。
注意事项
不适用于严重病虫害、机械损伤或多种元素复合缺乏的复杂场景，且无法替代土壤养分检测。
常见问题
需要什么样的照片才能准确诊断？
建议拍摄清晰、正面、光照均匀的叶片，避免阴影或反光，背景尽量单一。最好包含症状明显的叶片，同时附一张健康叶片作对比更佳。
支持哪些植物？
理论上适用于大多数双子叶和单子叶植物，但数据库主要基于常见作物（番茄、黄瓜、草莓、水稻、玉米等）构建，其他植物可能存在偏差。
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-6/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-6/raw/index.md（查看排版版本）