Plant Nutrition Diagnosis Skill | 植物营养诊断技能
基于AI视觉的植物叶片营养诊断与精准施肥建议
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 Nutrition Diagnosis Skill | 植物营养诊断技能。 它的用途是:基于AI视觉的植物叶片营养诊断与精准施肥建议 完整的 Skill 内容见:https://321skill.com/skills/plant-nutrition-diagnosis-skill-植物营养诊断技能-x-2/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
‘请帮我分析这张番茄叶片的照片,看看是不是缺什么营养了。’ 它会自动识别叶片上的黄化、卷曲等特征,并与营养失调症状库比对,随后告诉你可能是缺钾或镁,并提供补充硫酸钾或镁肥的具体建议,包括每亩用量和喷施注意事项。
介绍
植物营养诊断技能是一款利用计算机视觉与植物生理学知识,通过分析叶片图像来诊断作物营养状况的AI工具。它主要解决农业生产中,农民或种植者难以准确、快速判断作物缺乏或过剩何种营养元素(如氮、磷、钾及微量元素)的问题,从而避免盲目施肥带来的成本浪费和环境污染。
用户只需上传一张清晰的植物叶片照片,该技能即可自动识别叶片上的异常特征(如变色、斑点、畸形等),并将其与已知的营养失调症状数据库进行比对分析。分析完成后,它会生成一份详细的诊断报告,明确指出可能缺乏或过剩的营养元素,并给出针对性的施肥建议,包括肥料类型、用量和施用方法,助力实现精准农业管理。
该技能非常适合农业技术人员、种植大户、家庭农场主、农业科研人员以及农业教育工作者使用。对于缺乏专业植保知识的普通种植者,它提供了一个低门槛、高效率的初步诊断工具;对于专业人士,则可以作为辅助参考,提升田间诊断的效率和覆盖面。
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,拍摄叶片正面和背面的高清、对焦清晰的照片,并包含健康叶片作为对比。需要注意的是,某些病害症状可能与营养失调相似,建议将本技能的诊断结果与实地观察、土壤检测相结合,进行综合判断。对于大规模或高价值作物,仍建议咨询专业农艺师。
核心特点
与同类植物识别应用相比,本技能专注于营养诊断而非物种识别,其核心区别在于结合了植物生理学模型,不仅能识别症状,还能解释症状背后的营养学原因,并直接输出可操作的精准施肥方案,而非仅仅给出一个可能的原因列表。
注意事项
不适合用于诊断由病虫害、药害、气候逆境等非营养因素引起的植物叶片异常。
常见问题
诊断准确率高吗?
准确率受图片质量、症状典型性影响,对于典型的营养缺乏/过剩症状有较高参考价值,建议作为辅助工具结合其他方法综合判断。
支持哪些植物?
主要支持常见农作物(如水稻、小麦、玉米、番茄、黄瓜等)及部分经济作物,具体范围请参考技能文档。
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-nutrition-diagnosis-skill-植物营养诊断技能-x-2/raw/index.md 读取 Plant Nutrition Diagnosis Skill | 植物营养诊断技能 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-nutrition-diagnosis-skill-植物营养诊断技能-x-2/raw/index.md(查看排版版本)