Early monitoring of plant wilting based on hyperspectral imaging and computer vision, captures early wilting signs before visible symptoms, provides early warning for precision irrigation and disease control. | 植物枯萎监测技能,基于高光谱成像与计算机视觉,在肉眼可见症状前捕捉早期枯萎迹象,为精准灌
🥀 Plant Wilting Monitoring Skill | 植物枯萎监测技能
功能概述
🥀 Plant Wilting Monitoring Skill | 植物枯萎监测技能是一项面向实际任务的技能,主要用于智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询;🧭 技能概览 | Overview;
核心要点
- 🏷️ 技能名称;
- 植物枯萎监测技能;
- 🎯 核心目标;
使用与执行
植物枯萎监测技能,基于高光谱成像与计算机视觉,在肉眼可见症状前捕捉早期枯萎迹象,为精准灌溉和病害防控提供早期预警;🖼️ 输入类型;图片、视频、本地文。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
结果检查与注意事项
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
🥀 Plant Wilting Monitoring Skill | 植物枯萎监测技能
智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询
🧭 技能概览 | Overview
| 模块 | 内容 |
|---|---|
| 🏷️ 技能名称 | 植物枯萎监测技能 |
| 🎯 核心目标 | 植物枯萎监测技能,基于高光谱成像与计算机视觉,在肉眼可见症状前捕捉早期枯萎迹象,为精准灌溉和病害防控提供早期预警 |
| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |
| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |
| 🧩 场景码 | PLANT_WILTING_MONITORING |
Equipped with advanced hyperspectral imaging combined with computer vision and Raman spectroscopy analysis technology, this skill accurately captures early wilting signs of plants before visible symptoms appear to the naked eye. Through in-depth analysis of leaf spectral reflectance, transpiration rate and molecular vibration fingerprints, the system sensitively identifies physiological changes and water stress caused by water deficit, high temperature, or vascular bundle diseases such as fusarium and verticillium wilt. Combined with temporal behavior modeling, this skill not only distinguishes between environmental wilting and pathological wilt but also quantitatively evaluates the wilting grade, providing critical early warning and decision support for precision irrigation and disease block.
本技能搭载先进的高光谱成像结合计算机视觉与拉曼光谱分析技术,能够在肉眼可见症状出现之前,精准捕捉植物的早期枯萎迹象。系统通过深度分析叶片的光谱反射率、蒸腾速率及分子振动指纹,敏锐识别由缺水、高温或维管束病害(如镰刀菌、黄萎病)引起的生理性变化与水分胁迫。结合时序行为建模,该技能不仅能区分环境性萎蔫与病理性枯死,还能对枯萎等级进行量化评估,为精准灌溉与病害阻断提供关键的早期预警与决策支持。
🎬 技能演示 | Skill Demo
▶️ 点击查看技能使用介绍
🎯 任务目标 | Goals
1. 🧩 技能用途
监测植物早期枯萎迹象,区分环境性缺水萎蔫和病理性枯萎,量化评估枯萎等级,提供早期预警
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 早期枯萎特征提取 |
| 2 | 萎蔫原因区分(环境/病理) |
| 3 | 枯萎等级量化 |
| 4 | 早期预警输出 |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发:当用户提供植物叶片/植株视频/图片需要监测早期枯萎状况时,默认触发本技能 |
| 🔎 明确分析意图 | 当用户明确需要植物枯萎监测、早期预警时,提及植物萎蔫、叶子发蔫、枯萎检测、早期预警、缺水监测等关键词,并且上传了视频/图片,自动触发本技能 |
| 📚 历史报告查询 | 当用户提及以下关键词时,自动触发历史报告查询功能 :查看历史监测报告、枯萎监测报告清单、监测报告列表、查询历史监测报告、显示所有监测报告、植物枯萎分析报告,查询植物枯萎监测分析报告 |
4. 🤖 自动行为
| 自动行为 | 执行要求 |
|---|---|
| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件,则自动保存为本地文件 |
| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词,必须直接调用云端 API 查询,不得从本地记忆或人工汇总中获取 |
⚠️ 强制数据获取规则(次高优先级)
橙色强约束: 历史报告清单只允许从云端接口读取,不允许从本地记录、长期记忆或人工汇总中提取。
必须执行:
python -m scripts.plant_wilting_monitoring_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.plant_wilting_monitoring_analysis --list 调用 API 查询云端的历史报告数据 |
| 🚫 严格禁止 | 从本地 memory 目录读取历史会话信息 |
| 🚫 严格禁止 | 手动汇总本地记录中的报告 |
| 🚫 严格禁止 | 从长期记忆中提取报告 |
| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据,然后以 Markdown 表格格式输出结果 |
📦 前置准备 | Requirements
- 依赖说明:scripts 脚本所需的依赖包及版本
requests>=2.28.0
📸 监测要求 | Monitoring Requirements
| 要求项 | 说明 |
|---|---|
| 目标叶片清晰 | 拍摄中上部成熟功能叶片,避免完全枯死或新生幼叶 |
| 自然光拍摄 | 避免强烈逆光和反光,尽可能反映真实光谱特征 |
| 时序对比更佳 | 如果有不同时间点的视频/图片,可分别上传进行对比分析 |
🚀 操作步骤 | Workflow
🔐 用户身份处理(内部自动完成)
绿色安全原则: 用户身份参数由系统内部自动处理,不得向用户展示、询问或要求输入任何身份标识。
执行本技能分析或历史报告查询时,脚本会自动完成身份初始化:
| 场景 | 系统行为 |
|---|---|
| 上游系统有内部身份参数 | 由脚本静默接收并使用 |
| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |
| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |
| 对用户输出 | 只展示分析进度、分析结果和报告链接,不展示内部身份值 |
🔒 关键约束
| 禁止/要求 | 说明 |
|---|---|
| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |
| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |
| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |
| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联,用户只需表达“查看历史报告/报告清单”等意图 |
🧪 标准流程 | Standard Flow
| 步骤 | 阶段 | 执行动作 |
|---|---|---|
| 1 | 📥 准备植物视频/图片输入 | 提供本地文件路径或网络 URL;确保输入内容清晰、符合技能场景要求 |
| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数;不在回复中展示内部身份值 |
| 3 | ⚙️ 执行植物枯萎监测分析 | 调用 -m scripts.plant_wilting_monitoring_analysis 处理输入(必须在技能根目录下运行脚本) |
| 4 | 📊 查看分析结果 | 接收结构化分析报告,查看识别/监测结果、风险提示、建议与报告链接 |
⚙️ 脚本参数说明
| 参数 | 含义 | 备注 |
|---|---|---|
--input |
本地视频/图片文件路径 | 适用于本地文件分析 |
--url |
网络视频/图片 URL 地址(API 服务自动下载) | API 服务自动下载网络资源 |
--list |
显示历史植物枯萎监测分析报告列表清单(可以输入起始日期参数过滤数据范围) | 用于云端历史报告查询 |
--api-url |
API 服务地址(可选,使用默认值) | 按需填写 |
--detail |
输出详细程度(basic/standard/json,默认 json) | 输出详细程度 |
--output |
结果输出文件路径(可选) | 可选 |
🗂️ 资源索引 | Resource Index
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/plant_wilting_monitoring_analysis.py |
调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 🐍 必要脚本 | scripts/config.py |
调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 📘 领域参考 | references/api_doc.md |
了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |
⚠️ 注意事项 | Notes
| 分类 | 注意事项 |
|---|---|
| 📚 文档读取 | 仅在需要时读取参考文档,保持上下文简洁 |
| 📁 格式支持 | 支持格式:jpg/jpeg/png,最大 20MB |
| 🧑⚖️ 结果性质 | 监测结果作为早期预警参考,最终诊断请结合田间实际情况和植保专家判断 |
| 🚫 脚本限制 | 禁止临时生成脚本,只能用技能本身的脚本 |
| 🌐 网络地址 | 传入的网络地址参数,不需要下载本地,默认地址都是公网地址,api 服务会自动下载 |
| 📜 报告输出 | 当显示历史分析报告清单的时候,从接口返回 json 数据中提取字段 作为超链接地址,且自动转化为如下 Markdown |
| 📜 报告输出 | 表格输出示例 |
📝 隐私与数据安全声明 | Privacy & Data Security
| 序号 | 说明 |
|---|---|
| 1 | 数据保密处理 |
| 2 | 系统基于 用户名/手机号 生成的标识仅作为用户关联信息,不保存任何可直接识别个人身份的明文信息。 |
| 3 | 安全传输 |
| 4 | 所有数据(包括视频文件及关联标识)均通过 HTTPS/TLS 加密通道 发送至云端 API 进行分析,防止数据在传输过程中被窃取或篡改。 |
| 5 | 数据留存策略 |
| 6 | 云端服务器遵循“最小必要原则”,分析任务完成后即刻删除原始视频数据,不进行持久化存储,确保用户隐私数据不被留存或滥用。 |
🧰 使用示例 | Examples
# 监测本地视频/图片中植物的枯萎状况 python -m scripts.plant_wilting_monitoring_analysis --input /path/to/plant.mp4 # 监测网络视频/图片 python -m scripts.plant_wilting_monitoring_analysis --url https://example.com/wilting.mp4 # 显示历史监测报告/显示监测报告清单列表/显示历史植物枯萎监测(自动触发关键词:查看历史监测报告、历史报告、监测报告清单等) python -m scripts.plant_wilting_monitoring_analysis --list # 输出精简报告 python -m scripts.plant_wilting_monitoring_analysis --input plant.jpg --detail basic # 保存结果到文件 python -m scripts.plant_wilting_monitoring_analysis --input plant.jpg --output result.json
热门AI工具
相关专题
本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。
0
2026.11.17
本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.17
本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。
0
2026.11.17
SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。
0
2026.11.17
SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。
0
2026.11.17
SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。
0
2026.11.17
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.9万人学习
共6课时 | 54.7万人学习
最新文章