设计与多媒体

Fruit Ripeness Grading | 番茄/草莓果实成熟度分级

试用

AI-powered fruit ripeness grading for tomatoes / strawberries. From smart grow-boxes or mobile phone images, uses AI vision to detect fruit color (green / light green / orange / red / dark red), colored-area ratio, gloss, and relative fruit size (against a reference object), and outputs a ripeness grade (Mature-Green / Turning / Ripe / Over-Ripe) based on preset standards. Helps growers identify the optimal harvest window and ensures flavor and shelf quality. Scenarios: smart grow-boxes, greenhouses, home vegetable gardens, fruit & vegetable cooperatives. | 通过智能种植箱或手机拍摄的果实图像,利用AI视觉分析技术检测果实的颜色(绿/浅绿/橙/红/暗红)、着色面积比例、光泽度以及果实大小(相对于参照物),根据预设的成熟度分级标准输出等级(青熟期/转色期/成熟期/过熟期)。该技能帮助种植者确定最佳采收时机,保证果实口感和商品性。应用场景:智能种植箱、温室大棚、家庭菜园、果蔬合作社。

它能做什么

AI-powered fruit ripeness grading for tomatoes / strawberries. From smart grow-boxes or mobile phone images, uses AI vision to detect fruit color (green / light green / orange / red / dark red), colored-area ratio, gloss, and relative fruit size (against a reference object), and outputs a ripeness grade (Mature-Green / Turning / Ripe / Over-Ripe) based on preset standards. Helps growers identify the optimal harvest window and ensures flavor and shelf quality. Scenarios: smart grow-boxes, greenhouses, home vegetable gardens, fruit & vegetable cooperatives. | 通过智能种植箱或手机拍摄的果实图像,利用AI视觉分析技术检测果实的颜色(绿/浅绿/橙/红/暗红)、着色面积比例、光泽度以及果实大小(相对于参照物),根据预设的成熟度分级标准输出等级(青熟期/转色期/成熟期/过熟期)。该技能帮助种植者确定最佳采收时机,保证果实口感和商品性。应用场景:智能种植箱、温室大棚、家庭菜园、果蔬合作社。

技能文档

🍓 Fruit Ripeness Grading | 番茄/草莓果实成熟度分级

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
🏷️ 技能名称番茄/草莓果实成熟度分级
🎯 核心目标通过智能种植箱或手机拍摄的果实图像,利用AI视觉分析技术检测果实的颜色(绿/浅绿/橙/红/暗红)、着色面积比例、光泽度以及果实大小(相对于参照物),根据预设的成熟度分级标准输出等级(青熟期/转色期/成熟期/过熟期)。该技能帮助种植者确定最佳采收时机,保证果实口感和商品性。应用场景:智能种植箱、温室大棚、家庭菜园、果蔬合作社。
🖼️ 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_FRUIT_RIPENESS_GRADING_ANALYSIS

AI-powered fruit ripeness grading for tomatoes / strawberries. From smart grow-boxes or mobile phone images, uses AI vision to detect fruit color (green / light green / orange / red / dark red), colored-area ratio, gloss, and relative fruit size (against a reference object), and outputs a ripeness grade (Mature-Green / Turning / Ripe / Over-Ripe) based on preset standards. Helps growers identify the optimal harvest window and ensures flavor and shelf quality. Scenarios: smart grow-boxes, greenhouses, home vegetable gardens, fruit & vegetable cooperatives.

通过智能种植箱或手机拍摄的果实图像,利用AI视觉分析技术检测果实的颜色(绿/浅绿/橙/红/暗红)、着色面积比例、光泽度以及果实大小(相对于参照物),根据预设的成熟度分级标准输出等级(青熟期/转色期/成熟期/过熟期)。该技能帮助种植者确定最佳采收时机,保证果实口感和商品性。应用场景:智能种植箱、温室大棚、家庭菜园、果蔬合作社。

🤖 AI 角色 | AI Role

角色要点说明
说明 1假设你是一个专业的园艺作物采收 AI。你的任务是分析番茄或草莓果实的图像,检测果实颜色、着色面积、光泽度及大小,根据预设的分级规则输出成熟度等级(青熟期 / 转色期 / 成熟期 / 过熟期)。不要提供具体的采收后处理建议(贮藏温度、保鲜剂等),仅输出基于视觉的成熟度分级。

🎬 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

通过番茄 / 草莓果实图像或视频进行成熟度分级,输出每颗果实的成熟度等级及整体采收建议

2. 🛠️ 能力范围

序号具体能力
1果实定位与计数
2主色调识别(绿 / 浅绿 / 橙 / 红 / 暗红)
3着色面积比例计算
4光泽度评估
5果实相对大小估算
6按预设规则的成熟度分级(青熟期 / 转色期 / 成熟期 / 过熟期)
7整体采收建议(继续养果 / 准备采收 / 立即采收 / 已过最佳采收期)

3. ⚡ 触发条件

触发类型触发规则
✅ 默认触发默认触发:当用户提供番茄、草莓等果实的图像或视频需要成熟度分级时,默认触发本技能
🔎 明确分析意图当用户明确需要成熟度判断时,提及番茄成熟度、草莓成熟度、果实采收、转色期、青熟、红熟、采收时机、果实分级、果蔬分拣等关键词,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:查看历史成熟度报告、历史果实分级报告、采收报告清单、显示所有成熟度分级报告、查询果实采收记录

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_fruit_ripeness_grading_analysis --list
类型要求
✅ 必须使用 python -m scripts.smyx_fruit_ripeness_grading_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📥 准备果实图像/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⚙️ 执行果实成熟度分级调用 -m scripts.smyx_fruit_ripeness_grading_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
--pet-type类别标识,果蔬场景使用 other,默认 other按需填写
--list显示果实成熟度历史分析报告列表清单(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-urlAPI 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_fruit_ripeness_grading_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
📁 格式支持文件要求:支持 jpg/png/mp4/avi/mov 格式,最大 10MB
🔎 使用提醒拍摄要求:自然光下、避免强反光与高对比阴影;尽量正面拍摄果实,多角度补拍可提升精度
🧑‍⚖️ 结果性质分析结果仅供采收决策参考,不提供采后贮藏 / 保鲜方案;商品化分级请配合企业标准复核
🚫 脚本限制禁止临时生成脚本,只能用技能本身的脚本
🌐 网络地址传入的网路地址参数,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
📁 格式支持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 表格格式输出,包含"报告名称"、"作物品种"、"分析时间"、"点击查看"四列,其中"报告名称"列使用果实成熟度分级报告-{记录id}形式拼接, "点击查看"列使用[🔗 查看报告]()格式的超链接,用户点击即可直接跳转到对应的完整报告页面。
📜 报告输出表格输出示例

🧰 使用示例 | Examples

# 分析本地番茄/草莓果实图像/视频
python -m scripts.smyx_fruit_ripeness_grading_analysis --input /path/to/tomato.jpg

# 分析网络果实图像/视频
python -m scripts.smyx_fruit_ripeness_grading_analysis --url https://example.com/strawberry.jpg

# 显示历史分析报告/显示分析报告清单列表/显示历史成熟度报告(自动触发关键词:查看历史成熟度报告、历史报告、果实分级清单等)
python -m scripts.smyx_fruit_ripeness_grading_analysis --list

# 输出精简报告
python -m scripts.smyx_fruit_ripeness_grading_analysis --input fruit.jpg --detail basic

# 保存结果到文件
python -m scripts.smyx_fruit_ripeness_grading_analysis --input fruit.jpg --output result.json

相关技能

Identifies fruit ripeness stages (green / turning / ripe / over-ripe) based on color, size and gloss features to output a standardized ripeness grade. | 通过颜色、大小、光泽度识别果实成熟度(青/转色/成熟/过熟),输出成熟度等级。

1 次安装

AI-powered flowering and fruit-set rate analysis for tomato / chili plants. From home grow-box or mobile phone images of flowering/fruit clusters, uses object-detection models to count open flowers (fully-opened corolla with visible stamens) and successfully-set young fruits (enlarged ovary, ~0.5-1cm green baby fruits), and computes fruit-set rate = young fruits / flowers × 100%. Helps growers evaluate pollination, nutrition and environmental adaptability, and guides hand-assisted pollination or water/fertilizer adjustment. Scenarios: home smart grow-boxes, greenhouses, balcony vegetable gardens. | 通过家庭种植箱或手机拍摄的植株花果图像(包含花穗、果实区域),利用AI视觉目标检测模型识别开放花朵(花冠完全展开、雄蕊可见)的数量以及已坐果的小果(子房膨大、直径约0.5-1cm的绿色幼果)数量,计算坐果率(小果数/花朵数 × 100%)。该技能帮助种植者评估授粉效果、营养状况及环境适应性,指导人工辅助授粉或调整水肥管理。应用场景:家庭智能种植箱、温室大棚、阳台菜园。

10 次安装

Use when 用户发来水果照片、问怎么挑水果/这颗能不能买,或需要基于照片与用户补充信息评估成熟度、品质风险、身份/品种置信度和购买建议。

2 次安装

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。

11 次安装

AI-powered non-invasive rooting-stage detection for plant cuttings in transparent containers. From smart propagation boxes or transparent cutting containers, periodically captures images of the cutting base (water roots or substrate roots visible through the transparent wall), uses AI vision to detect white root primordia (tiny white callus dots) and count/locate them, and outputs the rooting stage (No Roots / Few Primordia / Many Primordia / Well-Developed Roots). Helps propagators monitor cutting-rooting progress without disturbing the cutting and choose the optimal transplant time. Scenarios: smart propagation boxes, home cutting propagation, tissue-culture rooms, agricultural research. | 通过智能育苗箱或透明扦插容器的固定摄像头,定期拍摄枝条基部的水生根或土培根系(通过透明壁观察),利用AI视觉分析技术识别枝条基部是否出现白色凸起根点(根原基发育形成的白色小点)以及根点的数量和分布,输出生根阶段(无生根/少量根点/大量根点/根系发达)。该技能帮助育苗者在不干扰枝条的情况下,无创监测扦插生根进度,判断移栽时机。应用场景:智能育苗箱、家庭扦插繁殖、植物组培室、农业科研。

9 次安装