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。
设计与多媒体
Crop Pest Identification | 经济作物虫害识别
试用Triggers when a user provides images or videos of crop leaves, buds or fruits (local file or URL) for pest identification; calls server-side APIs to detect common agricultural pests such as aphids, red spider mites, cotton bollworms and corn borers, outputting pest types with confidence scores. | 当用户提供作物叶片、嫩芽或果实的图像/视频（本地文件或网络URL）时，触发本技能进行虫害识别；调用服务端API检测蚜虫、红蜘蛛、棉铃虫、玉米螟等常见农业害虫，输出虫害类型与置信度。应用场景：番茄/玉米/花生的虫害早期发现与精准施药，减少农药滥用。
它能做什么
Triggers when a user provides images or videos of crop leaves, buds or fruits (local file or URL) for pest identification; calls server-side APIs to detect common agricultural pests such as aphids, red spider mites, cotton bollworms and corn borers, outputting pest types with confidence scores. | 当用户提供作物叶片、嫩芽或果实的图像/视频（本地文件或网络URL）时，触发本技能进行虫害识别；调用服务端API检测蚜虫、红蜘蛛、棉铃虫、玉米螟等常见农业害虫，输出虫害类型与置信度。应用场景：番茄/玉米/花生的虫害早期发现与精准施药，减少农药滥用。
技能文档
🐛 Crop Pest Identification | 经济作物虫害识别
当用户提供作物叶片、嫩芽或果实的图像/视频（本地文件或网络URL）时，触发本技能进行虫害识别；调用服务端API检测蚜虫、红蜘蛛、棉铃虫、玉米螟等常见农业害虫，输出虫害类型与置信度。
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 | 经济作物虫害识别 |
| 🎯 核心目标 | 基于作物叶片、嫩芽或果实的图像/视频，识别蚜虫、红蜘蛛、棉铃虫、玉米螟等常见农业害虫，输出虫害类型及置信度，服务番茄/玉米/花生等经济作物的虫害早期发现与精准施药 |
| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |
| 📝 输出能力 | 结构化虫害识别报告、害虫种类与数量、置信度、报告链接 |
| 🧩 场景码 | SMYX_CROP_PEST_IDENTIFICATION_ANALYSIS |
🎬 技能演示 | Skill Demo
🤖 AI 角色 | AI Role
| 角色要点 | 说明 |
|---|---|
| 说明 1 | 你是一个专业的农业虫害识别 AI。你的任务是基于作物叶片、嫩芽或果实的视频/图像，分析是否存在农业害虫及其种类，输出标准化的观察结果。不要提供农药使用建议或防治方案，仅客观描述观察到的害虫种类及数量。 |
🎯 任务目标 | Goals
1. 🧩 技能用途
通过作物叶片/嫩芽/果实图像或视频进行虫害识别，输出标准化的害虫种类、数量及置信度，辅助虫害早期发现与精准施药决策。
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 图像/视频分析 |
| 2 | 常见害虫种类识别（蚜虫、红蜘蛛、棉铃虫、玉米螟等） |
| 3 | 害虫数量估计 |
| 4 | 危害部位定位（叶片/嫩芽/果实） |
| 5 | 置信度输出 |
| 6 | 虫情早期预警提示 |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供作物叶片、嫩芽或果实的图像/视频 URL 或文件需要分析时，默认触发本技能进行虫害识别 |
| 🔎 明确分析意图 | 当用户明确需要进行作物虫害分析时，提及虫害识别、蚜虫、红蜘蛛、棉铃虫、玉米螟、叶片害虫、经济作物病虫害、番茄害虫、玉米害虫、花生害虫等关键词，并且上传了图片或视频 |
| 📚 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：查看历史虫害报告、历史虫害识别报告、虫害分析报告清单、虫害报告清单、查询历史虫害报告、显示所有虫害报告、显示虫害识别报告 |
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.smyx_crop_pest_identification_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_crop_pest_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
📷 采集要求 | Capture Requirements
| 序号 | 说明 |
|---|---|
| 1 | 拍摄距离建议 20cm～100cm，能清晰看到叶片/嫩芽/果实纹理及害虫个体 |
| 2 | 光线充足、避免强逆光和大面积阴影，优先在自然光下采集 |
| 3 | 尽量对准疑似受害部位（叶背、嫩梢、果实伤口），避免大范围模糊构图 |
| 4 | 单张图或短视频（≤10MB）即可，视频建议 5~15 秒平稳环绕拍摄 |
| 5 | 支持格式：mp4/avi/mov 视频，及常见图片格式；单个文件不超过 10MB |
🚀 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 | 📥 准备输入 | 提供本地图像/视频路径或网络 URL；确保受害部位清晰、符合技能采集要求 |
| 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 | ⚙️ 执行虫害识别分析 | 调用 -m scripts.smyx_crop_pest_identification_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 | 接收结构化虫害识别报告，查看害虫种类、数量估计、置信度与报告链接 |
⚙️ 脚本参数说明
| 参数 | 含义 | 备注 |
|---|---|---|
--input | 本地图像/视频文件路径 | 适用于本地文件分析 |
--url | 网络图像/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |
--crop-type | 作物类型，可选值：tomato/corn/peanut/cotton/other，默认 tomato | 按需填写 |
--list | 显示虫害识别历史分析报告列表清单 | 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 |
🗂️ 资源索引 | Resource Index
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/smyx_crop_pest_identification_analysis.py | 调用 API、执行虫害识别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 | 场景码、常量与默认参数配置 | 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 | 图片/视频要求：支持常见图片格式及 mp4/avi/mov 视频，单文件最大 10MB |
| 🧑⚖️ 结果性质 | 分析结果仅供农事参考，本技能不提供农药使用建议或防治方案 |
| 🚫 脚本限制 | 禁止临时生成脚本，只能使用技能本身的脚本 |
| 🌐 网络地址 | 传入的网络地址参数无需本地下载，默认为公网地址，API 服务会自动下载 |
| 📜 报告输出 | 显示历史分析报告清单时，从接口返回的 JSON 数据中提取字段作为超链接地址，并自动转化为 Markdown 表格输出 |
🔒 隐私与数据安全声明 | Privacy & Data Security
| 序号 | 说明 |
|---|---|
| 1 | 仅采集与虫害识别直接相关的图像/视频数据，不采集与作物无关的敏感信息 |
| 2 | 内部身份参数由系统自动处理，不在任何输出、日志或报告中暴露 |
| 3 | 分析请求通过服务端 API 完成，网络传输遵循平台既有安全策略 |
| 4 | 历史报告仅当前身份可读，不做跨用户汇总或共享 |
| 5 | 分析结果仅供参考，实际虫害防治与农药使用请遵循当地植保部门指导 |
🧰 使用示例 | Examples
# 分析本地作物图像（番茄叶片）
python -m scripts.smyx_crop_pest_identification_analysis --input /path/to/tomato_leaf.jpg --crop-type tomato
# 分析网络作物视频（玉米螟疑似发生田块）
python -m scripts.smyx_crop_pest_identification_analysis --url https://example.com/corn_field.mp4 --crop-type corn
# 显示历史分析报告/显示分析报告清单列表/显示虫害识别报告清单（自动触发关键词：查看历史虫害报告、虫害报告清单等）
python -m scripts.smyx_crop_pest_identification_analysis --list
# 输出精简报告
python -m scripts.smyx_crop_pest_identification_analysis --input peanut_leaf.jpg --crop-type peanut --detail basic
# 保存结果到文件
python -m scripts.smyx_crop_pest_identification_analysis --input tomato_leaf.jpg --crop-type tomato --output result.json
相关技能
上传植物图片或视频，自动识别病害类型、严重程度与成因，输出结构化诊断报告与防治建议。
基于红边异常、热红外温度、纹理变化与多时相早期胁迫检测，识别疑似病虫害区域。Detects suspected pest/disease areas from red-edge anomaly, thermal, texture and multi-temporal early stress.
上传植物叶片图像或视频，获取带置信度的病害类型与通用防治方向。
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。
Identifies weed species and coverage density from field top-view images, and outputs a weed distribution heatmap dataset to support precision weeding decisions. | 通过田间图像识别杂草种类与覆盖密度，生成除草建议区域热力图。