植物枯萎早期监测分析

要解决什么问题

大田、温室和果园里，植物往往在叶片明显发蔫或大面积枯死之后才被发现——此时灌溉补救或病害防控的窗口已经收窄。环境缺水、高温蒸腾与维管束病害（如镰刀菌、黄萎病）在表型上容易混淆，仅凭肉眼很难在早期区分「暂时性萎蔫」和「病理性枯死」，也不便于给出可操作的等级判断。

本技能面向早期枯萎监测：在用户上传植株或叶片图片/视频（含网络 URL）时，通过后端分析管线提取生理胁迫相关信号，输出是否出现早期枯萎迹象、原因倾向、量化等级与预警建议，并支持从云端接口拉取历史监测报告清单（禁止依赖本地 memory 文件）。

技能如何工作

分析侧强调三类信息的组合解读（由 API 与 scripts/plant_wilting_monitoring_analysis.py 统一调用）：

• 光谱与成像特征：围绕叶片反射与相关光谱维度，捕捉肉眼尚不明显时的变化线索
• 蒸腾与水分胁迫：结合蒸腾速率等指标，辅助判断缺水与环境胁迫
• 分子振动指纹（拉曼方向）：用于支撑病理性与生理性差异的区分思路

结合时序行为建模，报告通常会区分环境性萎蔫与病理性枯萎，并给出枯萎等级的量化评估与管理建议（如精准灌溉、病害阻断时机）。执行前需按规范获取有效的 open-id，再传入 --input 或 --url；查询历史时使用 --list 从云端返回 JSON，并以表格形式展示报告名称、监测植株数、分析时间与 reportImageUrl 链接。

适用边界与注意

• 支持常见图像格式（如 jpg/png），单文件大小上限约 20MB；网络资源由 API 侧下载，无需本地预先拉取
• 结果定位为早期预警与决策参考，最终田间处置仍应结合实地观察与植保专业判断
• 拍摄质量会影响结论：优先中上部成熟功能叶，避免全枯叶片或幼嫩叶；自然光、少强逆光，有时序素材时对比更有价值
• 历史报告必须走云端列表接口，不得在接口异常时回退到本地 LanceDB 或 memory/ 会话汇总