Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）
通过图像AI量化植物缺水或水多导致的萎蔫程度。
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：通过图像AI量化植物缺水或水多导致的萎蔫程度。 完整的 Skill 内容见：https://321skill.com/skills/plant-wilting-quantification-underwatering-overwatering-植物萎蔫/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？’ 它会调用该Skill处理图像，并返回一个具体的萎蔫指数，同时指出是缺水还是水多的可能性更高，并给出相应的浇水建议。
介绍
该Skill旨在解决植物养护中难以精确判断缺水或过水状态的问题。传统的观察方法依赖经验，容易误判，导致植物因浇水不当而生长不良甚至死亡。
它通过智能花盆或固定摄像头拍摄的全株植物图像，利用AI算法自动检测叶片-茎干夹角（叶片下垂度）、茎干挺直度等关键形态指标，从而量化植物的萎蔫程度，并区分是缺水还是水多引起。
该工具非常适合园艺爱好者、植物种植户、农业研究人员以及智能家居/农业设备开发者。他们可以利用此技能实现精准、自动化的植物健康监测，优化灌溉策略。
使用时，建议确保拍摄环境光线均匀，图像清晰且包含完整的植株。对于不同种类的植物，可能需要少量样本进行校准以获得更准确的结果。注意，它主要针对形态学变化，不直接检测土壤湿度或病原体感染。
核心特点
与同类植物识别技能相比，它专注于量化“萎蔫”这一特定生理状态的程度，并能区分缺水与水多两种相反原因，提供了更精细、更具行动指导性的诊断指标，而非简单的种类识别或健康/不健康的二元判断。
注意事项
不适用于判断由病虫害、营养缺乏或极端温度等非水分因素引起的植物异常。
常见问题
需要什么样的摄像头？
普通智能手机摄像头、网络摄像头或智能花盆内置摄像头均可，关键在于图像清晰、背景简洁。
能识别所有植物吗？
对常见观赏植物和部分农作物效果较好，但对形态特殊的植物（如多肉、仙人掌）可能需要针对性训练。
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/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/raw/index.md（查看排版版本）