植物营养视觉诊断

要解决什么问题

大田、果园、温室或家庭盆栽里，叶片发黄、叶脉间失绿、叶缘焦枯往往对应氮、磷、钾或微量元素的缺乏或过剩，但凭肉眼很难区分是哪一种、该补还是该控。本技能面向通过叶片视频或图片做营养状况诊断的场景：在典型症状叶片、光线与构图满足要求的前提下，结合计算机视觉与植物生理学，输出可执行的诊断结论与施肥方向。

技能如何工作

系统从叶片颜色、纹理、形态提取特征，并依据两类线索定位失衡类型：

• 症状发生部位：例如老叶与新叶表现差异，用于区分移动性元素相关问题
• 视觉表现模式：如叶脉间失绿、叶缘焦枯等模式与缺素类型的对应关系

诊断流程在技能侧通过 scripts/plant_nutrition_diagnosis_analysis.py 调用云端 API 完成（本地路径 --input 或公网 --url，由服务拉取媒体）。报告通常包含：缺乏/过剩元素判断、失衡类型、症状匹配度、生理成因说明与针对性施肥建议。另支持 --list 从云端接口拉取历史诊断报告清单（表格含报告名称、诊断植株数、分析时间与报告链接），不得用本地 memory 文件替代历史数据。

执行分析前需按规范获取有效的 --open-id（用于保存与查询报告），禁止自行编造 open-id；脚本须在技能根目录下运行。

适用边界与注意点

• 输入质量：需典型症状叶片、整叶入镜（基部、尖部、叶缘）、自然光下均匀拍摄；完全正常或已坏死难以辨认的叶片会降低可信度。
• 格式：支持 jpg/jpeg/png，单文件最大 20MB；网络 URL 由 API 自动下载，无需本地先下。
• 结论用途：结果仅供施肥参考，具体方案应结合土壤检测与当地农技推广建议；API 密钥若传入则需鉴权成功，否则按无密钥处理。
• 演示能力：资料提及可通过网络视频、上传视频识别，以及查看历史分析报告（均依赖上述脚本与云端数据）。