Plant Wilting Monitoring Skill | 植物枯萎监测技能
高光谱成像早期监测植物枯萎
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 Wilting Monitoring Skill | 植物枯萎监测技能。 它的用途是：高光谱成像早期监测植物枯萎 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-monitoring-skill-植物枯萎监测技能-x-4/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
'请帮我分析这组玉米高光谱数据，检测是否有早期枯萎迹象。' 它会加载预训练模型，对每个像素计算光谱指数，输出热力图并标注异常区域，同时生成一份包含置信度和建议措施的PDF报告。
介绍
植物枯萎是农业生产中的常见问题，往往在肉眼可见症状出现时已造成不可逆损伤。本技能基于高光谱成像与计算机视觉技术，能够在叶片颜色、形态发生明显变化之前，通过分析光谱反射率异常信号，提前捕捉植物水分胁迫和早期病害迹象，为精准灌溉、病虫害防治争取宝贵时间。
使用方式简洁：用户只需提供多光谱或高光谱图像数据（支持无人机航拍、地面相机或实验室设备），技能会自动调用训练好的光谱分析模型，输出逐像素的健康指数热力图和枯萎概率评分，并生成预警报告。支持批量处理历史数据，也可对接实时监控设备实现持续监测。
适合农业科研人员、智能农业开发者、物联网方案集成商以及种植管理者。对植物生理学有一定了解的团队能更高效地解读模型输出；高校相关专业学生可将其用于课程实验或毕业设计中的实验验证环节。
建议在使用前准备高质量的高光谱标定数据，并确保光照条件稳定；模型对极端干旱或复合胁迫场景的泛化能力有限，需结合人工巡检进行确认。首次使用建议用本地小样本数据测试再部署。
核心特点
不同于普通视觉枯萎检测（需等症状明显），本技能利用高光谱波段分析，比可见光提前24-48小时发现水分胁迫信号，误报率更低。
注意事项
依赖高光谱相机或特定传感器数据，普通RGB摄像头无法直接使用；模型在物种间迁移时需重新微调训练。
常见问题
需要什么硬件设备？
支持高光谱相机（如Specim或Resonon）或无人机搭载的多光谱传感器，也可直接上传已有的高光谱数据文件。
准确率能达到多少？
在公开数据集上早期枯萎检测准确率约92%，但实际效果受光照、叶片遮挡和物种影响，建议先在小范围测试。
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-wilting-monitoring-skill-植物枯萎监测技能-x-4/raw/index.md 读取 Plant Wilting Monitoring Skill | 植物枯萎监测技能 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-wilting-monitoring-skill-植物枯萎监测技能-x-4/raw/index.md（查看排版版本）