Detect early plant wilting signs in images and videos before visible symptoms, with cause and severity grading.
21 installs4 stars
Design & media
Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）
Try itTurn a plant photo into a 0–100% wilting index and identify whether underwatering or overwatering is the likely cause.
What it does
Takes a full-plant image and measures three visual signals — leaf-stem angle, stem straightness, and leaf spread — then combines them into a 0–100% wilting index with a four-tier severity scale (healthy / mild / moderate / severe). When soil-moisture readings are also supplied, it discriminates dehydration from root hypoxia and outputs an intervention direction (irrigate or drain) rather than a watering amount. Accepts local files or URLs in jpg/png/mp4/avi/mov up to 10 MB, and exposes a cloud-based historical report query. Side-view photos work best; top-down shots cannot reliably read droop.
When to use it
- Reading wilting from a smart-pot camera feed
- Spot-checking greenhouse crops for water stress
- Distinguishing underwatering from overwatering at home
- Reviewing past wilting reports for the same plant
The skill document
🥀 Plant Wilting Quantification (Underwatering / Overwatering) | 植物萎蔫程度量化（缺水/水多）
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 | 植物萎蔫程度量化（缺水/水多） |
| 🎯 核心目标 | 通过智能花盆或固定摄像头拍摄植物整体图像，利用AI视觉分析技术检测叶片与茎秆的夹角（叶片下垂角度）、茎秆挺直程度以及叶片舒展度，量化萎蔫程度（0-100%）。可选结合土壤湿度传感器数据，综合判断萎蔫原因是缺水还是水涝（根部缺氧导致）。可自动触发灌溉或排水提示，帮助用户精准浇水。应用场景：智能花盆、家庭园艺、温室大棚、植物工厂。 |
| 🖼️ 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_WILTING_QUANTIFICATION_ANALYSIS |
AI-powered plant wilting quantification from full-plant images via smart pots or fixed cameras. Detects leaf-stem angle (leaf droop), stem straightness, and leaf turgidity to quantify wilting severity (0-100%). Optionally fuses soil-moisture sensor data to discriminate dehydration (underwatering) vs. waterlogging (root hypoxia), and auto-triggers watering or drainage prompts for precision irrigation. Scenarios: smart pots, home gardening, greenhouses, plant factories.
通过智能花盆或固定摄像头拍摄植物整体图像，利用AI视觉分析技术检测叶片与茎秆的夹角（叶片下垂角度）、茎秆挺直程度以及叶片舒展度，量化萎蔫程度（0-100%）。可选结合土壤湿度传感器数据，综合判断萎蔫原因是缺水还是水涝（根部缺氧导致）。可自动触发灌溉或排水提示，帮助用户精准浇水。应用场景：智能花盆、家庭园艺、温室大棚、植物工厂。
🤖 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生理健康AI。你的任务是分析植物的整体图像（侧视图最佳），计算萎蔫指数（基于叶片与茎秆夹角、茎秆弯曲度等），并可结合土壤湿度数据（若提供）判断萎蔫原因（缺水或水涝）。不要提供具体浇水量，仅输出萎蔫程度和可能原因。 |
🎬 技能演示 | Skill Demo
🎯 任务目标 | Goals
1. 🧩 技能用途
通过植物整体图像量化萎蔫程度，并结合可选土壤湿度数据判断萎蔫原因，输出干预方向建议
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 叶片下垂角度检测 |
| 2 | 茎秆挺直程度评估 |
| 3 | 叶片舒展度分析 |
| 4 | 萎蔫指数综合评分（0-100%） |
| 5 | 缺水/水涝原因判别（结合可选土壤湿度） |
| 6 | 灌溉/排水方向建议 |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供植物整体图像或视频需要分析时，默认触发本技能进行萎蔫量化 |
| 🔎 明确分析意图 | 当用户明确需要萎蔫监测时，提及植物萎蔫、叶子耷拉、茎秆下垂、缺水、水涝、浇水判断等关键词，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 ：查看历史萎蔫报告、历史萎蔫量化报告、萎蔫报告清单、显示所有萎蔫报告、查询浇水建议记录 |
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_wilting_quantification_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_plant_wilting_quantification_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 | ⚙️ 执行萎蔫量化 | 调用 -m scripts.smyx_plant_wilting_quantification_analysis 处理输入（必须在技能根目录下运行脚本） |
| 4 | 📊 查看量化结果 | 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 | 本地植物图像/视频文件路径 | 适用于本地文件分析 |
--url | 网络植物图像/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 | 显示萎蔫量化历史报告列表清单 | 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 |
📐 萎蔫指数量化指标
| 指标 | 测量方式 | 健康状态 | 轻度萎蔫 | 重度萎蔫 |
|---|---|---|---|---|
| 叶片-茎秆夹角 | 叶片与茎秆夹角 | 30°-60°（向上展开） | 60°-90°（水平） | >90°（下垂） |
| 茎秆挺直度 | 茎秆弯曲程度 | 笔直 | 轻微弯曲 | 明显弯曲/倒伏 |
| 叶片舒展度 | 叶片展开面积比 | 充分展开 | 边缘卷曲 | 严重卷缩/干枯 |
萎蔫指数 = f(叶片夹角, 茎秆挺直度, 叶片舒展度)，综合三项指标加权计算 0-100%。
📊 萎蔫程度分级
| 萎蔫指数 | 程度 | 视觉表现 | 建议 |
|---|---|---|---|
| 0%-15% | 🟢 健康 | 叶片挺拔舒展，茎秆笔直 | 无需干预 |
| 16%-35% | 🟡 轻度 | 叶片轻微下垂，边缘微卷 | 关注，观察 1-2 小时是否恢复 |
| 36%-60% | 🟠 中度 | 叶片明显下垂，茎秆微弯 | 需要干预，判断缺水/水涝后处理 |
| 61%-100% | 🔴 重度 | 叶片严重下垂/卷缩，茎秆弯曲倒伏 | ⚠️ 紧急处理，重度萎蔫可能不可逆 |
🚰 缺水 vs 水涝：关键区别
| 特征 | 缺水（干旱） | 水涝（过湿） |
|---|---|---|
| 叶片表现 | 从边缘开始干枯、卷曲、变脆 | 整体发黄、柔软、易脱落 |
| 茎秆 | 可能偏软但通常保持挺直 | 基部发软、发黑 |
| 土壤 | 干燥、开裂 | 湿润、积水、可能有异味 |
| 根系 | 根尖干枯 | 根部腐烂、发黑发臭 |
| 恢复速度 | 浇水后数小时内恢复 | 需排水+通风，恢复较慢 |
| 常见误区 | — | 看到萎蔫就浇水，可能加重水涝 |
关键：水涝导致的萎蔫与缺水外观相似，但处理方式完全相反！错误浇水会加速植物死亡。
🔧 智能设备联动参考
| 联动设备 | 缺水场景 | 水涝场景 |
|---|---|---|
| 💧 自动灌溉 | 启动浇水 | 停止浇水 |
| 🌡️ 土壤湿度传感器 | 确认土壤干燥 | 确认土壤过湿 |
| 💨 排风扇/通风 | — | 启动通风加速蒸发 |
| 🔦 补光灯 | — | 关闭（减少蒸腾） |
| 📱 APP 推送 | "缺水，请浇水" | "水涝，请停止浇水并松土" |
🗂️ 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_wilting_quantification_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：侧视图最佳，需清晰看到叶片与茎秆关系；俯视图无法准确评估下垂角度 |
| 🔎 使用提醒 | 仅输出萎蔫程度和可能原因，不提供具体浇水量 |
| 🔎 使用提醒 | 无土壤湿度数据时，缺水/水涝判断为推测，建议结合手动检查土壤确认 |
| 🔎 使用提醒 | 高温午间萎蔫为正常蒸腾萎蔫，傍晚可自行恢复，无需紧急浇水 |
| 🚫 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 | 当显示历史量化报告清单的时候，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
# 分析本地植物图像
python -m scripts.smyx_plant_wilting_quantification_analysis --input /path/to/plant_side.jpg
# 分析网络植物图像
python -m scripts.smyx_plant_wilting_quantification_analysis --url https://example.com/plant.jpg
# 显示历史量化报告/显示报告清单列表
python -m scripts.smyx_plant_wilting_quantification_analysis --list
# 输出精简报告
python -m scripts.smyx_plant_wilting_quantification_analysis --input plant.jpg --detail basic
# 保存结果到文件
python -m scripts.smyx_plant_wilting_quantification_analysis --input plant.jpg --output result.json
Questions people ask
- Does it tell me how much water to give?
- No. It outputs severity, a likely cause, and a direction (water or drain). The skill is explicitly scoped to not prescribe a watering amount.
- What photo angle works best?
- A side view that shows the leaves against the stem. Top-down shots cannot accurately measure leaf-stem angle or droop.
- Can it always tell underwatering from overwatering?
- Reliably only when soil-moisture data is provided. Without it, the cause is an estimate, and the docs recommend manually checking the soil to confirm.
Related skills
AI-powered plant growth stage auto-detection from periodic full-plant images via smart pot / greenhouse fixed cameras. Recognizes key phenological features—cotyledon emergence, true-leaf count, flower bud differentiation, blooming, fruit setting, fruit ripening—and identifies the current developmental stage (germination, seedling, vegetative, flowering, fruiting, ripening), enabling precision irrigation/fertilization/lighting control and personalized growing guidance. Scenarios: smart pots, home grow boxes, greenhouses, plant factories. | 通过智能花盆或温室内固定摄像头，定期拍摄植物整体图像，利用AI视觉分析技术识别子叶展开、真叶数量、花芽分化、开花、结果、果实成熟等关键物候特征，自动判定植物当前所处的生长发育阶段（如发芽期、幼苗期、生长期、开花期、结果期、成熟期）。有助于精准农业管理，实现自动化灌溉、施肥、光照调节，并为用户提供种植指导。应用场景：智能花盆、家庭种植机、温室大棚、植物工厂。
10 installs
Estimate a 0–100% transpiration rate index from indoor plant leaf images to infer root water-uptake activity.
12 installs
Get a 0–100 root health score and vitality grade from a transparent-pot or seedling-box image, plus care-direction advice.
13 installs
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。
10 installs
Using fixed cameras in a smart greenhouse to analyze plant morphology in real time (e.g., leaf wilting angle, stem uprightness, leaf color changes) combined with environmental sensors (light intensity, temperature, humidity, soil moisture), an AI decision model outputs climate control commands including irrigation (pump/solenoid valve), shade-net opening, fan/wet-curtain on-off, heater on-off, etc. | 通过智能温室中的固定摄像头实时分析植物的形态（如叶片萎蔫角度、茎秆挺直度、叶色变化）以及结合环境传感器（光照强度、温度、湿度、土壤水分），利用AI决策模型输出环境调控指令，包括灌溉（水泵/电磁阀）、遮阳网开度、风机/湿帘启停、加热器开关等。
9 installs