Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）
AI视觉量化植物萎蔫程度，精准灌溉
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：AI视觉量化植物萎蔫程度，精准灌溉 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-quantification-underwatering-overwatering-植物萎蔫-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
'请分析这张绿萝照片的萎蔫程度，并查看当前土壤湿度传感器数据。' 它会输出萎蔫分数（如78%），结合土壤湿度（如20%RH）判断为缺水，自动触发浇水提示，并建议每次浇水量。
介绍
植物萎蔫时，是缺水还是水涝？传统浇水靠经验，容易误判。本Skill通过AI视觉分析技术，从植物全株图像中提取叶片与茎秆夹角、茎秆挺直度和叶片舒展度三个维度，综合量化萎蔫严重程度（0-100%），帮助用户科学判断植物状态。
使用方式灵活：可通过智能花盆内置摄像头自动拍摄，或通过固定摄像头定时采集图像。AI模型在本地或云端运行，输出萎蔫分数后，可结合土壤湿度传感器数据作交叉判断——若土壤偏干则为缺水，若偏湿则为根部缺氧导致的水涝。系统可自动触发灌溉或排水提示，实现精准浇水。
适合园艺爱好者、智能花盆用户、家庭种植玩家、温室大棚管理人员以及植物工厂运营者。无需复杂的硬件配置，只需一个能拍摄植物全株的摄像头或智能花盆，即可获得科学的植物健康报告。
使用建议：确保拍摄时植物主体完整、光线均匀，避免强背光或严重遮挡；若使用土壤湿度传感器，建议定期校准以保证数据准确性；对于多肉、仙人掌等耐旱植物，可适当调整萎蔫阈值。
核心特点
不同于仅依赖土壤湿度或单一叶片姿态的简单判断，本Skill融合叶片角度、茎秆挺直度、叶片舒展度三个视觉维度，并可选融合土壤湿度数据，从而区分缺水与根部缺氧（水涝）两种根本原因，实现精准灌溉决策。
注意事项
依赖清晰的植物全株图像，对严重遮挡、幼苗过小或光线极暗场景效果不佳，且无法评估根系病害。
常见问题
这个Skill能区分缺水和水涝吗？
可以。通过视觉萎蔫分值与土壤湿度传感器融合，土壤偏干+萎蔫为缺水，土壤偏湿+萎蔫为水涝（根部缺氧）。
需要哪些硬件？
至少需要一个能拍摄植物全株的摄像头（智能花盆内置或固定摄像头），可选配土壤湿度传感器以提升准确性。
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-7/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-7/raw/index.md（查看排版版本）