Plant Wilting Monitoring Skill | 植物枯萎监测技能
基于高光谱和视觉的植物枯萎早期监测
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：基于高光谱和视觉的植物枯萎早期监测 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-monitoring-skill-植物枯萎监测技能-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
'请监测我的番茄盆栽是否有早期枯萎迹象'，它会通过高光谱摄像头采集叶片光谱数据，结合计算机视觉模型分析，在症状出现前2-3天发出预警，并生成可视化报告。
介绍
植物枯萎早期监测是一项利用高光谱成像与计算机视觉技术，在肉眼可见症状出现前捕捉植物叶片光谱变化的智能技能。传统农业巡检依赖人工观察，往往发现时已错过最佳干预时机，导致作物减产。该技能通过分析叶片反射光谱的细微异常，结合机器学习模型，实现对枯萎风险的提前预警，为精准灌溉、病虫害防治争取宝贵时间。
使用方式简单：用户只需在植物上方部署高光谱摄像头（或调用已有图像接口），技能会自动采集数据、分析光谱特征，并生成枯萎风险评分与趋势图。支持实时监控与定时任务，结果可通过看板或消息推送至手机。搭配树莓派等边缘设备可实现本地化部署，无需联网。
适合农业科研人员、高校智慧农业相关专业学生，以及从事物联网农业应用开发的工程师。尤其适合需要精细化管理温室、苗圃或实验室植物样本的场景。对于家庭绿植爱好者，也可通过简化版流程快速上手。
建议在稳定光照环境下使用，避免强光直射或阴影干扰。初期需校准模型以适应当地作物品种，否则可能误报。数据量较大时建议搭配边缘计算盒子，降低云端传输成本。
核心特点
不同于普通植物病害识别，该技能在症状出现前2-3天即可通过光谱特征变化发出预警，核心优势是提前发现不可见枯萎信号。
注意事项
不适用于露天大田作物因光照和风速变化导致光谱波动过大的场景，需搭配固定环境或校准算法。
常见问题
需要什么硬件设备？
至少需要一台高光谱相机（如Rikola或Specim系列）或搭载多光谱传感器的无人机，树莓派可作为边缘计算终端。
支持哪些植物品种？
当前模型训练数据涵盖番茄、辣椒、黄瓜等常见温室作物，其他品种需自主采集少量样本进行微调。
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-7/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-7/raw/index.md（查看排版版本）