Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）
通过AI视觉分析植物图像，量化萎蔫程度并区分缺水或水涝。
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 Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）。 它的用途是：通过AI视觉分析植物图像，量化萎蔫程度并区分缺水或水涝。 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-quantification-underwatering-overwatering-植物萎蔫-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
‘分析这张我拍的绿萝图片，看看它是不是缺水了？’ 它会调用技能分析图像，给出萎蔫程度百分比，并结合你连接的土壤湿度传感器数据，判断是‘需要浇水’还是‘土壤过湿需排水’，并给出具体操作建议。
介绍
本技能旨在解决植物养护中因浇水不当导致的萎蔫问题。传统方法依赖经验判断，难以精确量化植物缺水或水涝的程度，容易造成误判。
用户只需通过智能花盆或固定摄像头拍摄植物的整体图像，AI模型便会自动分析叶片与茎秆的夹角、茎秆挺直度及叶片舒展度，输出0-100%的萎蔫严重程度评分。若结合土壤湿度传感器数据，还能进一步判断萎蔫是源于缺水还是根部缺氧，并自动触发精准的灌溉或排水提示。
该技能非常适合家庭园艺爱好者、温室大棚或植物工厂的管理人员，以及智能硬件（如智能花盆）的开发者使用。它降低了专业植物养护的门槛，让非专业人士也能科学照料植物。
使用时建议确保拍摄光线充足、图像清晰，能完整展现植物形态。对于形态特殊的植物（如多肉），量化结果可能需要人工校准。定期清洁摄像头镜头和校准土壤湿度传感器，有助于保持分析的准确性。
核心特点
区别于仅依赖土壤湿度的传统监测，本技能结合了AI视觉量化植物生理形态（叶片下垂角度、茎秆弯曲度）与传感器数据，能更精准地区分“缺水”与“水多”（根部缺氧）这两种截然相反的萎蔫原因，实现真正的病因诊断与精准干预。
注意事项
对于形态非常规（如藤蔓、多肉）或处于幼苗期、图像特征不明显的植物，量化准确度可能下降。
常见问题
需要什么样的摄像头？
普通智能手机、网络摄像头或智能花盆内置的固定摄像头均可，要求能清晰拍摄植物整体。
土壤湿度传感器是必须的吗？
不是必须的，但结合传感器数据可以更准确地判断萎蔫原因是缺水还是水涝。
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-quantification-underwatering-overwatering-植物萎蔫-x-5/raw/index.md 读取 Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多） 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-quantification-underwatering-overwatering-植物萎蔫-x-5/raw/index.md（查看排版版本）