植物枯萎监测分析
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_bb47e3e3/plant-wilting-monitoring-analysis
技能介绍
问题背景
植物枯萎早期常难判断:叶片发蔫可能是缺水、高温,也可能是镰刀菌、黄萎病等维管束病害。肉眼可见时往往已错过精准灌溉或病害阻断窗口。该技能面向图片、视频和本地/网络文件输入,目标是把“看起来蔫了”变成可解释的监测结果:早期迹象、萎蔫原因类别、等级量化和预警建议。
工作方式
- 输入支持
jpg/jpeg/png,最大20MB,也可传入公网图片/视频URL,由后端服务下载处理。 - 分析侧声称结合高光谱成像、计算机视觉与拉曼光谱分析,围绕叶片光谱反射、蒸腾表现和分子振动特征识别水分胁迫。
- 输出结构化报告,包含识别/监测结果、风险提示、建议与报告链接;
--detail可选basic、standard、json。 - 历史报告清单必须走云端接口,例如通过
--list查询,并统一为 Markdown 表格输出,不依赖本地记忆或人工汇总。
适用边界
结果定位是早期预警参考,不是田间确诊依据;最终判断仍需结合植株状态、栽培环境和植保专家意见。拍摄时应选择中上部成熟功能叶片,避免强烈逆光、反光和完全枯死样本;有多时间点素材时,时序对比更有助于区分环境性萎蔫与病理性枯萎。
使用场景
- 苗圃巡检时上传多张叶片图片,判断发蔫是缺水还是病害并生成预警。
- 田间观察疑似黄萎病,用同一叶片多时间点图片做时序对比,区分环境性萎蔫与病理性枯萎。
- 温室巡检时上传番茄叶片视频,量化枯萎等级并给出灌溉预警。
- 植保团队复盘近期监测,用历史报告清单查看已有分析报告并整理建议。
适合人员
- 种植户或园区巡检员:上传叶片或植株图片,快速判断发蔫原因和是否需要灌溉。
- 植保技术员:把疑似病害图片转化为结构化报告,辅助田间诊断和病害防控。
- 温室运维人员:查看历史报告清单,复盘枯萎监测结果并安排巡检优先级。
- 农艺师或农业科研人员:用多时间点素材做时序对比,观察环境胁迫与病害差异。