Leaf Aging Fall Prediction | 植物叶片老化/脱落预测

Using a fixed indoor camera to continuously capture leaf images of houseplants from the same angle every day, AI vision techniques detect leaf color changes (green → yellow → brown), loss of glossiness (reduced surface reflectance), and formation of the abscission zone at the petiole base (angle change). | 通过室内绿植固定摄像头连续采集叶片图像（每天同一角度），利用AI视觉分析技术检测叶片颜色变化（从绿到黄再到褐）、光泽度下降（叶面反光减弱）、叶柄基部离层形成（角度变化）等老化进程，并基于历史图像序列的时间序列模型预测未来3-7天内叶片脱落的风险时段。系统每日生成老化报告，当预测即将落叶时推送提醒（如'富贵竹下位叶预计3天后脱落，可提前剪除以保持美观'）。

🍂 Leaf Aging Fall Prediction | 室内绿植叶片老化/脱落预测

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	植物叶片老化/脱落预测
🎯 核心目标	通过室内绿植固定摄像头连续采集叶片图像（每天同一角度），利用AI视觉分析技术检测叶片颜色变化（从绿到黄再到褐）、光泽度下降（叶面反光减弱）、叶柄基部离层形成（角度变化）等老化进程，并基于历史图像序列的时间序列模型预测未来3-7天内叶片脱落的风险时段。系统每日生成老化报告，当预测即将落叶时推送提醒（如'富贵竹下位叶预计3天后脱落，可提前剪除以保持美观'）。
🖼️ 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_LEAF_AGING_FALL_PREDICTION_ANALYSIS

Using a fixed indoor camera to continuously capture leaf images of houseplants from the same angle every day, AI vision techniques detect leaf color changes (green → yellow → brown), loss of glossiness (reduced surface reflectance), and formation of the abscission zone at the petiole base (angle change). Based on a time-series model over historical images, the skill predicts the risk window for leaf fall within the next 3-7 days. It helps users distinguish natural turnover from stress-induced leaf drop and adjust care in advance (raise humidity, fertilize, prune, etc.). Application scenarios: indoor potted plant care, plant rental companies, botanical garden greenhouses. The system generates a daily aging report and pushes alerts when leaf fall is imminent (e.g., 'lower leaves of lucky bamboo expected to fall in 3 days, prune in advance to keep it tidy'). Skill features: leaf aging and shedding are normal life-cycle events, but early shedding often signals environmental issues. AI fall-time prediction lets users clean up dead leaves proactively, keep plants tidy, and tune care based on predicted speed (e.g., higher humidity slows senescence). Can be integrated into smart planters or gardening apps for refined care recommendations.

通过室内绿植固定摄像头连续采集叶片图像（每天同一角度），利用AI视觉分析技术检测叶片颜色变化（从绿到黄再到褐）、光泽度下降（叶面反光减弱）、叶柄基部离层形成（角度变化）等老化进程，并基于历史图像序列的时间序列模型预测未来3-7天内叶片脱落的风险时段。该技能帮助用户提前了解植物自然更新或胁迫落叶，及时调整养护（如增加湿度、施肥、修剪等）。应用场景：室内盆栽养护、绿植租赁公司、植物园温室。系统每日生成老化报告，当预测即将落叶时推送提醒（如'富贵竹下位叶预计3天后脱落，可提前剪除以保持美观'）。技能特点：叶片老化脱落是植物正常生命周期的一部分，但过早脱落可能提示环境问题。通过AI预测脱落时间，用户可提前清理枯叶，保持美观，并根据预测速度调整养护（如增加湿度可延缓衰老）。该技能可集成到智能花盆、园艺APP中，为用户提供精细化养护建议。

🤖 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衰老预测 AI。你的任务是分析室内绿植的连续日间图像（至少过去 7 天，每天固定时间拍摄），检测叶片颜色（绿→黄→褐）、光泽度、叶柄角度等指标的变化趋势，基于时间序列模型预测未来数天内即将脱落（自然老化或胁迫导致）的叶片及时间窗口。不要提供具体的化学调控方法（如具体药剂剂量），仅输出预测结果与方向性养护建议。

🎬 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

基于室内绿植连续叶片图像序列（每日同角度），检测老化进程并预测未来 3-7 天内的脱落风险时段

2. 🛠️ 能力范围

序号	具体能力
1	叶色变化趋势识别（绿→黄→褐）
2	叶面光泽度变化检测
3	叶柄基部离层角度估算
4	老化指数（0-100%）
5	脱落风险时间窗口预测
6	至风险叶片定位/编号
7	老化原因提示（自然衰老 / 缺水 / 光照不足 / 营养缺乏 / 高温胁迫等）
8	方向性养护建议

3. ⚡ 触发条件

触发类型	触发规则
✅ 默认触发	默认触发：当用户提供室内绿植连续日间叶片图像/视频 URL 或文件需要分析时，默认触发本技能进行叶片老化/脱落预测
🔎 明确分析意图	当用户明确提及叶片老化、叶子发黄、落叶预测、叶片脱落、离层、富贵竹掉叶、绿植衰老、盆栽落叶等关键词，并且上传了图像/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 ：查看叶片老化历史报告、落叶预测报告清单、叶片衰老报告清单、查询历史落叶预测、显示所有叶片老化报告、显示脱落预测诊断报告，查询养护建议清单

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：

bash

python -m scripts.smyx_leaf_aging_fall_prediction_analysis --list

类型	要求
✅ 必须	使用 python -m scripts.smyx_leaf_aging_fall_prediction_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

  text

  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	📥 准备叶片图像序列输入	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	⚙️ 执行叶片老化/脱落预测	调用 -m scripts.smyx_leaf_aging_fall_prediction_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	本地叶片图像序列/视频文件路径	适用于本地文件分析
--url	网络叶片图像序列/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，植物场景默认 other	按需填写
--list	显示叶片老化/脱落预测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_leaf_aging_fall_prediction_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 图像或 mp4/avi/mov 视频，最大 10MB；建议覆盖至少 7 天的连续日间图像
🧑‍⚖️ 结果性质	预测结果仅供养护参考，叶片自然老化是植物正常生命周期，过早脱落才是环境/养护问题信号
🚫 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

bash

# 分析本地叶片图像序列
python -m scripts.smyx_leaf_aging_fall_prediction_analysis --input /path/to/leaf_sequence.mp4

# 分析网络叶片视频
python -m scripts.smyx_leaf_aging_fall_prediction_analysis --url https://example.com/leaf_sequence.mp4

# 显示历史脱落预测报告/落叶预测报告清单（自动触发关键词：查看叶片老化历史报告、落叶预测报告清单等）
python -m scripts.smyx_leaf_aging_fall_prediction_analysis --list

# 输出精简报告
python -m scripts.smyx_leaf_aging_fall_prediction_analysis --input video.mp4 --detail basic

# 保存结果到文件
python -m scripts.smyx_leaf_aging_fall_prediction_analysis --input video.mp4 --output result.json