融合 NDVI/NDRE/LST 多指数健康评分、历史偏差异常检测与空间聚类，输出作物健康等级栅格。Fuses NDVI/NDRE/LST into a health score with historical anomaly detection and spatial clustering.
设计与多媒体
UAV Farm Health Index Map | 无人机农田健康指数图生成
试用基于无人机正射影像计算植被指数，生成红黄绿三色农田健康热力图并定位低长势区域。
它能做什么
接收农业无人机搭载的多光谱或高分辨率 RGB 相机拍摄的正射影像或拼接图，计算 NDVI、NDRE、OSAVI、GNDVI、VARI、ExG 等植被指数，按红/黄/绿三段色阶渲染作物长势热力图。自动分割低指数异常区域，输出问题区域的多边形坐标与面积（公顷），并推送基于指数的提示，例如"东北角 NDVI 偏低，建议实地检查虫害"。输入支持本地文件（jpg/png/tiff 或 mp4/avi/mov，最大 10MB）与公网 URL，历史报告通过 `--list` 参数从云端接口查询，不读取本地记录。
什么时候用它
- 从无人机航拍图中识别缺肥、缺水、病虫害或杂草区域
- 输出问题区域的多边形坐标与面积（公顷）
- 按日期区间从云端查询历史健康指数报告
- 为变量施肥与植保作业提供分区依据
技能文档
🚁 UAV Farm Health Index Map | 无人机农田健康指数图生成
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 | 无人机农田健康指数图生成 |
| 🎯 核心目标 | 通过农业无人机平台搭载的多光谱或高分辨率RGB相机，采集农田的正射影像或拼接图，利用AI模型计算植被指数（如归一化植被指数NDVI、归一化红边指数NDRE等），生成农田健康指数热力图，用颜色区分作物长势（红色代表健康差、黄色代表中等、绿色代表健康）。该技能可快速识别问题区域（如缺肥、缺水、病虫害、杂草），指导精准变量施肥或植保作业。 |
| 🖼️ 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_UAV_FARM_HEALTH_INDEX_MAP_ANALYSIS |
Using multispectral or high-resolution RGB cameras mounted on agricultural UAVs to capture orthophotos or mosaics of farmland, AI models compute vegetation indices (e.g., NDVI, NDRE) and generate a farm health-index heatmap, where colors distinguish crop vigor (red = poor, yellow = medium, green = healthy). This skill quickly identifies problem zones (e.g., nutrient/water deficiency, pests/disease, weeds) and guides precision variable-rate fertilization and crop-protection operations. Application scenarios: large-scale farms, agricultural cooperatives, drone crop-protection services, agricultural research. After the UAV flight uploads imagery, the system automatically produces a health-index map, outputs coordinates and area of problem zones, and pushes suggestions (e.g., 'NDVI is low in the northeast corner, recommend on-site pest inspection'). Skill features: traditional manual field scouting is slow and tends to miss early stress. UAV-based health-index heatmaps drastically improve monitoring efficiency, enable precise variable-rate operations, and save agro-inputs. A core technology of smart agriculture.
通过农业无人机平台搭载的多光谱或高分辨率RGB相机，采集农田的正射影像或拼接图，利用AI模型计算植被指数（如归一化植被指数NDVI、归一化红边指数NDRE等），生成农田健康指数热力图，用颜色区分作物长势（红色代表健康差、黄色代表中等、绿色代表健康）。该技能可快速识别问题区域（如缺肥、缺水、病虫害、杂草），指导精准变量施肥或植保作业。应用场景：规模化农场、农业合作社、植保无人机服务、农业科研。无人机飞行后上传影像，系统自动生成健康指数图，输出问题区域的坐标和面积，并推送建议（如'东北角区域NDVI偏低，建议实地检查虫害'）。技能特点：传统农田巡查依赖人工，效率低且难以发现早期胁迫。通过无人机快速生成健康指数热力图，可大幅提高监测效率，实现精准农业变量作业，节省农药肥料。该技能是智慧农业的核心技术之一。
🤖 AI 角色 | AI Role
| 角色要点 | 说明 |
|---|---|
| 说明 1 | 假设你是一个专业的精准农业 AI。你的任务是接收无人机航拍的多光谱（或高分辨率 RGB）图像，经过拼接和几何校正后，计算植被指数（如 NDVI、NDRE、OSAVI 等），生成农田健康指数热力图，并识别出健康异常区域（如低植被指数区域），输出其位置和面积。不要提供具体的农事操作建议（如施肥量、农药品种），仅输出基于指数的评估结果。 |
🎬 技能演示 | Skill Demo
🎯 任务目标 | Goals
1. 🧩 技能用途
基于无人机航拍正射影像/拼接图，计算植被指数并生成农田健康指数热力图，输出异常区域坐标与面积
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 影像拼接 / 几何校正 |
| 2 | 植被指数计算（NDVI / NDRE / OSAVI / GNDVI / VARI / ExG） |
| 3 | 健康指数热力图渲染（红/黄/绿三段色阶） |
| 4 | 异常区域分割（低指数低健康） |
| 5 | 问题区域坐标多边形与面积估算（ha） |
| 6 | 作物覆盖率统计 |
| 7 | 高/中/低健康占比 |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供无人机航拍正射影像/拼接图/视频 URL 或文件需要分析时，默认触发本技能进行农田健康指数图生成 |
| 🔎 明确分析意图 | 当用户明确提及无人机、UAV、多光谱、NDVI、NDRE、植被指数、农田巡查、精准农业、变量施肥、健康指数图、健康热力图、问题区域、长势监测等关键词，并且上传了影像/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 ：查看农田健康指数历史报告、植被指数报告清单、无人机巡田报告清单、查询历史健康指数图、显示所有农田健康指数报告、显示长势监测诊断报告，查询异常区域清单 |
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_uav_farm_health_index_map_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_uav_farm_health_index_map_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 | 📥 准备无人机航拍影像输入 | 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 | ⚙️ 执行农田健康指数图生成 | 调用 -m scripts.smyx_uav_farm_health_index_map_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 | 本地无人机正射影像/拼接图/视频文件路径 | 适用于本地文件分析 |
--url | 网络无人机正射影像/拼接图/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，农田航拍场景默认 other | 按需填写 |
--list | 显示农田健康指数图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-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_uav_farm_health_index_map_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 | 输入要求：支持 jpg/png/tiff 影像或 mp4/avi/mov 视频，最大 10MB；建议提前完成拼接或上传单张高质量正射影像 |
| 🔎 使用提醒 | 多光谱影像需包含 NIR 波段才能计算 NDVI/NDRE 等真植被指数；纯 RGB 影像将回退使用 VARI/ExG |
| 🧑⚖️ 结果性质 | 分析结果仅作为田块管理与变量作业的参考，实际作业请结合现场实地踏查 |
| 🚫 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 |
🧰 使用示例 | Examples
# 分析本地无人机正射影像
python -m scripts.smyx_uav_farm_health_index_map_analysis --input /path/to/orthomosaic.tif
# 分析网络无人机航拍影像/视频
python -m scripts.smyx_uav_farm_health_index_map_analysis --url https://example.com/orthomosaic.tif
# 显示历史健康指数图报告/植被指数报告清单（自动触发关键词：查看农田健康指数历史报告、植被指数报告清单等）
python -m scripts.smyx_uav_farm_health_index_map_analysis --list
# 输出精简报告
python -m scripts.smyx_uav_farm_health_index_map_analysis --input ortho.tif --detail basic
# 保存结果到文件
python -m scripts.smyx_uav_farm_health_index_map_analysis --input ortho.tif --output result.json
常见问题
- 会给出具体的施肥量或农药品种建议吗？
- 不会。本技能只输出基于指数的评估结果，例如"NDVI 偏低"，不提供施肥量或农药品种等具体农事操作建议。
- 计算 NDVI / NDRE 需要什么影像？
- 需要包含 NIR 波段的多光谱影像；纯 RGB 影像会回退使用 VARI 或 ExG 指数。
- 历史报告从哪里读取？
- 只能通过 `python -m scripts.smyx_uav_farm_health_index_map_analysis --list` 从云端接口读取，不得从本地记录或长期记忆中获取。
相关技能
AI-powered lawn health assessment from drone or fixed-camera top-down images. Uses semantic segmentation to distinguish healthy turf (green), wilting/yellow turf (yellow-brown), bare soil and weeds (off-species color/texture), then computes wilting area ratio and weed coverage ratio, and outputs a composite lawn health score (0-100). Helps managers of golf courses, courtyards or municipal greenways quantify turf quality and guide irrigation, fertilization and weeding operations. Scenarios: home courtyards, golf courses, municipal park lawns, sports fields. | 通过无人机或固定摄像头拍摄草坪的俯视图像，利用AI语义分割技术区分健康草坪（绿色）、枯黄草坪（黄/褐色）、裸土以及杂草（非目标草种，颜色和纹理不同），计算枯黄面积占比和杂草覆盖面积占比，综合评估草坪健康评分（0-100分）。该技能有助于高尔夫球场、庭院或市政绿地管理者量化草坪质量，指导灌溉、施肥及除草作业。应用场景：家庭庭院、高尔夫球场、市政公园草坪、运动场。
9 次安装
Using a plant-monitoring platform that periodically (e.g., daily) collects plant images, environmental data, and growth metrics (new bud count, leaf-area change, leaf color), an AI evaluation model fuses leaf color (chlorophyll index), morphology (spread, leaf size), and growth dynamics (new buds, leaf-area growth rate) to output an overall vitality score from 0-100 along with a trend (rising / stable / declining). | 通过植物监测平台定期（如每天）采集的植物图像、环境数据以及生长指标（如新芽数、叶片面积变化、叶色），利用AI综合评估模型融合叶片颜色（叶绿素指数）、形态（舒展度、叶片大小）、生长动态（新芽萌发数、叶面积增长率），输出0-100的整体活力评分，并给出活力趋势（上升/稳定/下降）。
9 次安装
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。
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 次安装
上传透明盆或育苗箱的根系图像，即可获得 0-100 分健康评分与活力等级，并给出养护方向建议。
13 次安装