Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
通过叶片图像AI诊断植物营养缺乏，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：通过叶片图像AI诊断植物营养缺乏，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-7/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
‘请分析这张番茄叶片的照片，看看它可能缺什么营养。’ 它会调用视觉模型分析叶片颜色和形态，并与缺素症数据库比对，随后输出最可能缺乏的营养元素（例如‘缺镁，置信度85%’）及相应的施肥建议。
介绍
该技能旨在解决植物养护中常见的营养诊断难题。当植物因缺乏氮、磷、钾、铁、镁、锌等元素而出现生长异常时，用户往往难以准确判断原因，容易导致盲目施肥，既浪费资源又可能伤害植物。
用户只需使用智能花盆、手机或农业设备拍摄植物叶片的高清图像，上传给AI进行分析。技能会利用计算机视觉技术，自动识别叶片颜色（如浅绿、黄绿、紫红）、形态变化（如叶缘焦枯、叶脉间失绿）等关键特征。
该技能非常适合家庭园艺爱好者、智能花盆用户、农业大棚或植物工厂的管理人员以及农业科研工作者。它降低了专业植物诊断的门槛，让非专业人士也能快速获得科学的养护指导。
使用建议：为确保诊断准确性，请尽量在光线均匀的自然光下拍摄叶片正面高清图，避免阴影和反光。诊断结果（如置信度）可作为重要参考，但对于高价值经济作物或严重病害，建议结合土壤检测等专业手段综合判断。
核心特点
与同类植物识别工具相比，本技能专注于营养缺乏症的精细化视觉诊断，不仅识别植物种类，更能通过比对专业营养缺乏症特征库，精准定位缺乏的具体元素（如氮、磷、钾、铁等）并给出置信度，直接服务于精准施肥决策。
注意事项
该技能主要依赖视觉特征，对于由病虫害、环境胁迫（如旱涝）或多种元素复合缺乏引起的复杂症状，诊断准确性可能受限。
常见问题
诊断植物缺素症准确吗？
基于AI视觉与专业特征库比对，对典型症状有较高准确性，并提供置信度参考，但复杂情况建议结合其他检测手段。
需要什么样的叶片照片？
建议在自然光下拍摄叶片正面高清、无阴影遮挡的照片，确保颜色和纹理清晰可见。
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-7/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-7/raw/index.md（查看排版版本）