Plant Wilting Monitoring Skill | 植物枯萎监测技能
早期植物枯萎监测，基于高光谱成像与计算机视觉
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：早期植物枯萎监测，基于高光谱成像与计算机视觉 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-monitoring-skill-植物枯萎监测技能-x-5/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
'分析这些番茄叶片的高光谱数据，检测是否有早期枯萎迹象并标注异常区域。' 它会加载模型处理数据，输出枯萎风险概率（如0.92），并在光谱图像上高亮显示疑似缺水区域，同时生成一份包含时间、位置和置信度的预警报告。
介绍
植物枯萎监测技能解决的是传统肉眼观察无法及时发现植物早期缺水胁迫的问题。当植物叶片尚未出现肉眼可见的萎蔫或变色时，其光谱反射特性已发生细微变化。该技能通过分析高光谱图像数据，结合计算机视觉模型，在症状出现前数天捕捉这些微弱信号，实现早期预警。
使用方式：用户提供高光谱相机拍摄的植物叶片图像或光谱数据，技能会调用预训练模型进行特征提取和分类，输出枯萎风险等级及置信度，并可视化光谱异常区域。支持批量处理，也可与物联网设备集成实现自动监测。
适合农业科研人员、温室管理人员、植物生理学研究者以及高校农业工程相关专业的学生。对希望将AI技术应用于精准农业的开发者也有参考价值。
建议使用时确保高光谱数据质量（如均匀光照、标准白板校正），并结合其他环境传感器（如土壤湿度、气温）数据提高准确性。该技能主要针对叶片水平监测，对整株植物的评估需多角度采集。
核心特点
同类技能多依赖可见光图像或常规传感器，该技能利用高光谱成像在叶片出现可见症状前就检测到水分胁迫导致的微弱光谱变化，比传统视觉检查提前数天发出预警。
注意事项
需要高光谱相机硬件支持，且对光照条件敏感，不适合大规模快速野外巡查或非叶片区域监测。
常见问题
需要什么硬件设备？
需要高光谱相机（如可见光-近红外波段），以及可运行模型的计算设备（如带有GPU的电脑或树莓派）。
检测精度如何？
在受控条件下，可在症状出现前2-3天达到85%以上准确率，但实际精度受光照、叶片角度、品种等因素影响。
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-5/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-5/raw/index.md（查看排版版本）