Plant Nutrient Deficiency Diagnosis | 植物缺素症视觉诊断
AI视觉识别植物叶片，诊断营养元素缺乏症。
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视觉识别植物叶片，诊断营养元素缺乏症。 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/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。’ 它会调用视觉模型识别叶片上的黄化、斑点等特征，并与缺素症数据库比对，然后告诉你：‘根据分析，叶片呈现脉间失绿，最可能缺乏镁元素，置信度85%。建议适量补充硫酸镁。’
介绍
本技能旨在解决植物养护中因营养元素缺乏导致的生长问题。用户通过拍摄植物叶片的高清图像，AI将自动分析叶片颜色、形态的异常变化，如叶色变浅、叶缘焦枯、叶脉间失绿等，并与内置的常见营养缺乏症特征库进行比对。 使用方式非常便捷，用户只需通过智能花盆、手机或农业大棚的摄像头获取叶片图像，上传给AI进行分析即可。系统会快速处理图像，识别关键视觉特征，并输出最可能缺乏的营养元素（如氮、磷、钾、铁、镁、锌等）及其诊断置信度。 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，以及任何需要精准管理植物营养状况的种植者。它降低了传统诊断对专业知识的依赖，让非专业人士也能快速发现问题。 建议在使用时确保拍摄的叶片图像清晰、光线充足，并尽量包含完整的叶片正面。对于诊断结果，尤其是置信度较低时，建议结合土壤检测或植物生长阶段进行综合判断，以制定更精准的施肥方案。
核心特点
区别于通用图像识别工具，本技能专注于植物营养缺乏症的特定视觉特征库匹配，并能输出具体的营养元素（如氮、磷、钾）及置信度，直接服务于精准施肥决策。
注意事项
不适合诊断由病虫害、环境胁迫（如干旱、水涝）或多种因素复合引起的复杂叶片症状。
常见问题
诊断准确率高吗？
准确率取决于图像质量、症状典型性及模型训练数据，对于典型症状有较高置信度，建议作为辅助诊断工具。
支持哪些植物？
主要支持常见农作物、园艺植物，具体范围取决于内置特征库，建议先对目标植物进行小范围测试。
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/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/raw/index.md（查看排版版本）