Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）

Using agricultural cameras to capture high-resolution images of plant leaves, AI vision techniques detect leaf curling direction (up-curling or down-curling) and the distribution of leaf-margin scorch (old vs new leaves, tip vs margin). | 通过农业摄像头拍摄植物叶片的高清图像，利用AI视觉分析技术检测叶片卷曲方向（上卷或下卷）、焦边（叶缘干枯）的分布特征（老叶/新叶、叶尖/叶缘），并可结合土壤湿度传感器数据（可选），综合判断卷叶/焦边的主要原因（干旱胁迫、病害如白粉病/病毒病、药害、肥害等）。系统定期巡检，发现卷叶或焦边时自动分析原因，输出诊断及建议（如'叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉'）。

smyx-skills@18072937735

Install

openclaw skills install @18072937735/smyx-leaf-curling-scorch-diagnosis-analysis

🍃 Leaf Curling & Margin Scorch Diagnosis | 植物卷叶/焦边识别（干旱/病害）

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	植物卷叶/焦边识别（干旱/病害）
🎯 核心目标	通过农业摄像头拍摄植物叶片的高清图像，利用AI视觉分析技术检测叶片卷曲方向（上卷或下卷）、焦边（叶缘干枯）的分布特征（老叶/新叶、叶尖/叶缘），并可结合土壤湿度传感器数据（可选），综合判断卷叶/焦边的主要原因（干旱胁迫、病害如白粉病/病毒病、药害、肥害等）。系统定期巡检，发现卷叶或焦边时自动分析原因，输出诊断及建议（如'叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉'）。
🖼️ 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_CURLING_SCORCH_DIAGNOSIS_ANALYSIS`

Using agricultural cameras to capture high-resolution images of plant leaves, AI vision techniques detect leaf curling direction (up-curling or down-curling) and the distribution of leaf-margin scorch (old vs new leaves, tip vs margin). Combined with optional soil-moisture sensor data, the system jointly judges the most likely cause of curling/scorching ( drought stress, diseases such as powdery mildew or virus, pesticide damage, fertilizer burn, etc.). This helps farmers quickly locate the problem and take targeted action. Application scenarios: open-field crops, greenhouse vegetables, orchards. The system periodically inspects fields; when curling or scorching is detected it automatically analyzes the cause and issues a diagnosis (e.g., 'leaves curled upward with margin scorch, soil moisture low — likely drought, suggest irrigation'). Skill features: leaf curling and margin scorch are common but easy to misjudge because drought, diseases and chemical damage share similar symptoms. AI-assisted visual diagnosis helps farmers respond correctly in time and reduce losses. Can be integrated into agricultural IoT systems, UAV inspection platforms, or mobile apps.

通过农业摄像头拍摄植物叶片的高清图像，利用AI视觉分析技术检测叶片卷曲方向（上卷或下卷）、焦边（叶缘干枯）的分布特征（老叶/新叶、叶尖/叶缘），并可结合土壤湿度传感器数据（可选），综合判断卷叶/焦边的主要原因（干旱胁迫、病害如白粉病/病毒病、药害、肥害等）。该技能有助于农民快速定位问题，采取针对性措施。应用场景：大田作物、温室蔬菜、果园。系统定期巡检，发现卷叶或焦边时自动分析原因，输出诊断及建议（如'叶片上卷、叶缘焦枯，土壤湿度偏低，可能干旱，建议灌溉' ）。技能特点：卷叶和焦边是农民常遇到的问题，但干旱、病害、药害症状相似，易误判。通过AI视觉辅助诊断，可帮助农民早期采取正确措施，减少损失。该技能可集成到农业物联网系统、无人机巡检平台或手机APP中。

🤖 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逆境诊断 AI。你的任务是分析植物叶片的图像，识别卷曲方向（上卷/下卷）、焦边分布（叶尖/叶缘、老叶/新叶），并可结合土壤湿度数据（若提供），判断引起卷叶/焦边的主要原因。不要提供具体的农药或肥料名称、剂量，仅输出基于视觉（及可选土壤湿度）的可能原因排序与方向性建议。

🎬 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

基于叶片高清图像（可选叠加土壤湿度等环境数据），识别卷曲方向与焦边分布特征，并给出干旱/病害/药害/肥害等原因的可能性排序

2. 🛠️ 能力范围

序号	具体能力
1	卷曲方向识别（上卷 / 下卷 / 混合 / 无）
2	焦边分布检测（叶尖灼烧 / 叶缘焦枯 / 整叶干枯）
3	受害叶层定位（老叶 / 新叶 /

3. ⚡ 触发条件

触发类型	触发规则
✅ 默认触发	默认触发：当用户提供植物叶片图像或视频 URL/文件需要分析时，默认触发本技能进行卷叶/焦边诊断
🔎 明确分析意图	当用户明确提及卷叶、卷曲、上卷、下卷、焦边、叶缘焦枯、叶尖灼烧、干旱胁迫、白粉病、病毒病、药害、肥害、冷害、叶片干枯等关键词，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：查看卷叶焦边历史报告、叶片诊断报告清单、卷叶诊断清单、查询历史卷叶焦边诊断、显示所有卷叶焦边报告、显示叶片逆境诊断报告，查询卷叶焦边建议清单

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_curling_scorch_diagnosis_analysis --list

类型	要求
✅ 必须	使用 `python -m scripts.smyx_leaf_curling_scorch_diagnosis_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	⚙️ 执行卷叶/焦边诊断	调用 `-m scripts.smyx_leaf_curling_scorch_diagnosis_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`	本地叶片图像或视频文件路径	适用于本地文件分析
`--url`	网络叶片图像或视频 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，植物逆境诊断场景默认 `other`	按需填写
`--list`	显示卷叶/焦边历史诊断报告列表清单（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_curling_scorch_diagnosis_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；建议同时上传整体形态与叶缘特写各一张
🧑‍⚖️ 结果性质	诊断结果仅作为植物逆境识别参考，疑似病害严重时建议结合实地踏查或专业植保咨询
🚫 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