Identify plant diseases from images or video and get a structured report with cause and treatment suggestions.
Design & media
Plant Leaf Disease Identification | 植物叶片病害特征识别
Try itIdentify plant leaf diseases from images with confidence scores and general care direction.
What it does
Upload a clear photo or short video of a plant leaf and get a structured report identifying the most likely disease — such as powdery mildew, rust, leaf spot, downy mildew, or anthracnose — along with a confidence score and general prevention guidance. Inputs can be local files or public URLs in jpg/png/mp4/avi/mov up to 10MB. Past diagnosis reports are pulled from a cloud API via the --list flag, never from local memory. Specific chemical treatment plans are not provided; consult a plant protection expert for that.
When to use it
- Diagnosing yellowed or spotted leaves on a home potted plant
- Scanning greenhouse crops for early signs of powdery mildew or rust
- Inspecting field plants during routine farm walks for disease outbreaks
- Reviewing past leaf disease analysis reports from the cloud history
The skill document
🍃 Plant Leaf Disease Identification | 植物叶片病害特征识别
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 | 植物叶片病害特征识别 |
| 🎯 核心目标 | 通过拍摄植物叶片的高清图像,利用AI视觉分析技术识别叶片上的病斑特征(颜色、形状、分布),检测是否有白色粉状物(白粉病)、锈色孢子堆(锈病)、褐色坏死斑(叶斑病)等典型症状,输出最可能的病害类型及置信度。帮助用户快速诊断植物病害,采取防治措施。应用场景:植物工厂、温室大棚、家庭盆栽、园艺养护。 |
| 🖼️ 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 | SMYX_PLANT_LEAF_DISEASE_IDENTIFICATION_ANALYSIS |
AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection.
通过拍摄植物叶片的高清图像,利用AI视觉分析技术识别叶片上的病斑特征(颜色、形状、分布),检测是否有白色粉状物(白粉病)、锈色孢子堆(锈病)、褐色坏死斑(叶斑病)等典型症状,输出最可能的病害类型及置信度。帮助用户快速诊断植物病害,采取防治措施。应用场景:植物工厂、温室大棚、家庭盆栽、园艺养护。
🤖 AI 角色 | AI Role
| 角色要点 | 说明 |
|---|---|
| 说明 1 | 假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像,识别叶片上的病斑特征(颜色、形状、分布、表面附着物),与常见病害特征库比对,输出最可能的病害类型及置信度。不要提供化学防治具体方案,仅输出病害识别结果。 |
🎬 技能演示 | Skill Demo
🎯 任务目标 | Goals
1. 🧩 技能用途
通过植物叶片高清图像进行病害特征识别,输出最可能的病害类型、置信度及通用防治方向建议
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 叶片病斑检测 |
| 2 | 病斑特征提取(颜色/形状/分布/表面附着物) |
| 3 | 常见病害比对(白粉病/锈病/叶斑病/霜霉病/炭疽病等) |
| 4 | 置信度评分 |
| 5 | 通用防治方向建议 |
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图像或视频需要分析时,默认触发本技能进行病害识别 |
| 🔎 明确分析意图 | 当用户明确需要植物病害诊断时,提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词,并且上传了图像或视频文件 |
| 📚 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 :查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录 |
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.smyx_plant_leaf_disease_identification_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_plant_leaf_disease_identification_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
🚀 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 | 📥 准备图像/视频输入 | 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 | ⚙️ 执行病害识别 | 调用 -m scripts.smyx_plant_leaf_disease_identification_analysis 处理输入(必须在技能根目录下运行脚本) |
| 4 | 📊 查看识别结果 | 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 | 本地植物叶片图像/视频文件路径 | 适用于本地文件分析 |
--url | 网络植物叶片图像/视频 URL 地址(API 服务自动下载) | API 服务自动下载网络资源 |
--pet-type | 对象类型,植物场景默认 other | 按需填写 |
--list | 显示植物病害识别历史报告列表清单 | 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 |
🌿 常见叶片病害特征对照
| 病害名称 | 典型特征 | 易发植物 |
|---|---|---|
| ⚪ 白粉病 | 叶面/叶背覆盖白色粉状物 | 月季、葡萄、黄瓜、瓜类 |
| 🟠 锈病 | 叶背出现锈黄色/橙色孢子堆 | 玫瑰、小麦、菊花、豆科 |
| 🟤 叶斑病 | 褐色/黑色坏死斑,常带同心轮纹 | 番茄、辣椒、苹果、月季 |
| 🟡 霜霉病 | 叶面黄斑,叶背灰白色霉层 | 葡萄、黄瓜、十字花科 |
| ⚫ 炭疽病 | 暗褐色凹陷斑,中央有橙红色孢子盘 | 草莓、芒果、辣椒 |
| 🟢 病毒病 | 叶片花叶/卷曲/畸形,无明显斑点 | 番茄、黄瓜、烟草 |
| 💧 细菌性叶斑 | 水浸状斑点,边缘有黄晕 | 番茄、辣椒、白菜 |
🔍 病斑特征识别维度
| 维度 | 观察重点 |
|---|---|
| 颜色 | 白/黄/橙/褐/黑/紫色等 |
| 形状 | 圆形/椭圆/不规则/多角形 |
| 边缘 | 清晰/模糊/有/无晕圈 |
| 分布 | 散生/聚集/沿叶脉/全叶 |
| 表面附着物 | 粉状/绒毛状/孢子堆/水浸状 |
| 病斑组合 | 是否同心轮纹、凹陷、穿孔 |
📊 病情严重程度分级
| 等级 | 病叶占比 | 处置建议 |
|---|---|---|
| 🟢 轻度 | <10% | 加强通风、摘除病叶、监测扩散 |
| 🟡 中度 | 10%-30% | 隔离病株、调整环境湿度、考虑生物防治 |
| 🟠 重度 | 30%-50% | 立即隔离、咨询植保专家、必要时使用药剂 |
| 🔴 严重 | >50% | 严重感染,建议销毁病株防止扩散 |
💡 通用防治方向参考
| 防治方向 | 适用场景 |
|---|---|
| 🌬️ 加强通风 | 白粉病、霜霉病等高湿度诱发病害 |
| ✂️ 摘除病叶 | 早期所有病害,减少病原基数 |
| 💧 调整浇水 | 避免叶面长期湿润,改为根部浇水 |
| ☀️ 增加光照 | 弱光环境下植株易感病 |
| 🛡️ 隔离病株 | 防止健康植株感染 |
| 🌱 选用抗病品种 | 长期解决方案 |
| 🔬 咨询植保专家 | 重度病害需专业指导 |
⚠️ 本技能仅提供通用防治方向,不提供具体化学药剂方案;专业用药需根据植物种类、病害类型、当地法规咨询植保专家。
🗂️ 资源索引 | Resource Index
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/smyx_plant_leaf_disease_identification_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 jpg/png/mp4/avi/mov 格式,最大 10MB |
| 🔎 使用提醒 | 拍摄要求:近距离、光线充足、病斑清晰;模糊/逆光/距离过远的图像无法得出可靠结果 |
| 🧑⚖️ 结果性质 | 识别结果仅供病害诊断参考,不提供具体化学防治方案;专业用药请咨询植保专家 |
| 🔎 使用提醒 | 部分病害症状相似(如细菌性与真菌性叶斑),AI 识别可能存在不确定性,建议结合植物种类与环境综合判断 |
| 🔎 使用提醒 | 同一叶片可能存在多种病害混合感染,需结合症状综合判定 |
| 🚫 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 | 当显示历史识别报告清单的时候,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 |
🧰 使用示例 | Examples
# 分析本地植物叶片图像
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg
# 分析网络植物叶片图像
python -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg
# 显示历史识别报告/显示报告清单列表
python -m scripts.smyx_plant_leaf_disease_identification_analysis --list
# 输出精简报告
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --detail basic
# 保存结果到文件
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --output result.json
Related skills
AI-powered plant nutrient deficiency diagnosis from leaf images. Detects leaf color, morphology changes (pale green/yellow-green/purple-red, marginal scorch, interveinal chlorosis) via computer vision, matches against common deficiency symptom databases, and outputs the most likely deficient nutrient element (nitrogen, phosphorus, potassium, iron, magnesium, zinc, etc.) with confidence score. Enables precision fertilization, avoids blind over-fertilization. Scenarios: smart planters, home gardening, agricultural greenhouses, plant factories. | 通过智能花盆、农业大棚或手机拍摄的植物叶片高清图像,利用AI视觉分析技术识别叶片颜色、形态变化(如叶色浅绿/黄绿/紫红、叶缘焦枯、叶脉间失绿等),与常见营养缺乏症特征库比对,输出最可能缺乏的营养元素(氮、磷、钾、铁、镁、锌等)及置信度。有助于精准施肥,避免盲目用肥造成浪费或伤害。应用场景:智能花盆、家庭园艺、农业大棚、植物工厂。
Diagnose leaf curling and margin scorch from plant photos, ranking likely causes like drought or disease.
Expands the disease identification library to cover economic-crop-specific diseases (corn northern/southern leaf blight, potato late blight, peanut leaf spot, tomato viral disease, etc.) for precise leaf-disease recognition. | 扩充病害识别库至经济作物专属病害(玉米大斑病/小斑病、土豆晚疫病、花生叶斑病、番茄病毒病等),实现叶片病害的精准识别。
AI-powered pest & disease detection for roses (Rosa spp.). From garden cameras or mobile phone images of leaves, young shoots and flower buds, detects common rose enemies including black spot (black round/irregular spots with yellow halo), powdery mildew (white powdery layer on leaves/shoots), spider mites (tiny red/white dots on leaf back with webbing in severe cases) and aphids (green/black clustered tiny insects on shoots and buds). Outputs pest/disease type, severity grade and general control suggestions. Helps gardeners detect issues early and act in time. Scenarios: home gardens, rose specialty gardens, courtyard landscaping, cut-flower production bases. | 通过庭院摄像头或手机拍摄月季/玫瑰的叶片、嫩芽、花苞图像,利用AI视觉分析技术检测黑斑病(叶面黑色圆形或不规则斑点,周围黄晕)、白粉病(叶片、嫩芽表面白色粉状霉层)、红蜘蛛(叶片背面细小红色或白色点状螨虫,严重时结网)、蚜虫(嫩芽、花苞上绿色或黑色聚集的小虫)等常见病虫害,输出病虫害类型及严重程度,并提供防治建议。该技能有助于月季种植者早期发现问题,及时采取措施。应用场景:家庭花园、月季专类园、庭院绿化、切花生产基地。
AI-powered aquatic plant health monitoring from aquarium camera images. Detects leaf color changes (yellowing, bleaching, blackening), morphological anomalies (melting, curling, holes), and iron deficiency symptoms in submerged plants. Outputs health assessment and care suggestions (e.g., supplement iron fertilizer, adjust lighting, increase CO₂). Helps early detection of aquatic plant issues and maintains aquarium ecological balance. Scenarios: smart fish tanks, aquascaping tanks, aquarium shops. | 通过智能鱼缸或水下摄像头拍摄水草的图像,利用AI视觉分析技术识别水草叶片的颜色变化(黄化、白化、发黑)、形态异常(溶叶、卷曲、穿孔)以及缺铁等典型症状,输出健康评估及养护建议(如补充铁肥、调整光照、增加CO₂)。有助于及早发现水草生长问题,维持水族箱生态平衡。应用场景:智能鱼缸、水族箱、水草造景缸、水族店。