Plant Leaf Disease Identification | 植物叶片病害特征识别

Other

AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。

Install

openclaw skills install smyx-plant-leaf-disease-identification-analysis

Plant Leaf Disease Identification | 植物叶片病害特征识别

通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。

🎯 AI 角色

假设你是一个专业的植物病理学AI。你的任务是分析植物叶片的图像，识别叶片上的病斑特征（颜色、形状、分布、表面附着物），与常见病害特征库比对，输出最可能的病害类型及置信度。不要提供化学防治具体方案，仅输出病害识别结果。

任务目标

本 Skill 用于：通过植物叶片高清图像进行病害特征识别，输出最可能的病害类型、置信度及通用防治方向建议
能力包含：叶片病斑检测、病斑特征提取（颜色/形状/分布/表面附着物）、常见病害比对（白粉病/锈病/叶斑病/霜霉病/炭疽病等）、置信度评分、通用防治方向建议
触发条件:
1. 默认触发：当用户提供植物叶片图像或视频需要分析时，默认触发本技能进行病害识别
2. 当用户明确需要植物病害诊断时，提及植物病害、叶片发黄、白粉、锈斑、烂叶、植物诊断等关键词，并且上传了图像或视频文件
3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史植物病害报告、历史叶片诊断报告、植物病害报告清单、显示所有植物报告、查询植物诊断记录
自动行为：
1. 如果用户上传了附件或者图像/视频文件，则自动保存为本地文件
2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有植物病害报告"、"显示叶片诊断报告"、"查看历史报告"等），必须：
  - 直接使用 python -m scripts.smyx_plant_leaf_disease_identification_analysis --list --open-id 参数调用 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
  - 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

依赖说明:scripts 脚本所需的依赖包及版本
```
requests>=2.28.0
```

操作步骤

🔒 open-id 获取流程控制（强制执行，防止遗漏）

在执行植物叶片病害识别前，必须按以下优先级顺序获取 open-id：

第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束：

禁止自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、userC113、user123 等）
禁止跳过 open-id 验证直接调用 API
必须在获取到有效 open-id 后才能继续执行分析
如果用户拒绝提供 open-id，说明用途（用于保存和查询历史报告记录），并询问是否继续

标准流程:
1. 准备图像/视频输入
  - 提供本地植物叶片高清图像/视频文件路径或网络 URL
  - 拍摄建议：
    - 近距离拍摄（10-30cm），单片叶片占据画面主要区域
    - 光线充足（自然光最佳），避免逆光、过曝、阴影遮挡病斑
    - 病斑清晰：确保病斑区域对焦清晰、细节可辨
    - 建议同时拍摄正反面，正面可见病斑、反面可见孢子堆/菌丝
  - 支持图像（jpg/png）和视频（mp4/avi/mov）格式
2. 获取 open-id（强制执行）
  - 按上述流程控制获取 open-id
  - 如无法获取，必须提示用户提供用户名或手机号
3. 执行病害识别
  - 调用 -m scripts.smyx_plant_leaf_disease_identification_analysis 处理图像/视频文件（必须在技能根目录下运行脚本）
  - 参数说明:
    - --input: 本地植物叶片图像/视频文件路径
    - --url: 网络植物叶片图像/视频 URL 地址（API 服务自动下载）
    - --pet-type: 对象类型，植物场景默认 other
    - --open-id: 当前用户的 open-id（必填，按上述流程获取）
    - --list: 显示植物病害识别历史报告列表清单
    - --api-key: API 访问密钥（可选）
    - --api-url: API 服务地址（可选，使用默认值）
    - --detail: 输出详细程度（basic/standard/json，默认 json）
    - --output: 结果输出文件路径（可选）
4. 查看识别结果
  - 接收结构化的植物叶片病害识别报告
  - 包含：病斑特征描述（颜色、形状、大小、分布、表面附着物）、最可能病害类型（如白粉病/锈病/叶斑病）、置信度评分（0-100%）、病情严重程度（轻度/中度/重度）、通用防治方向建议（如"建议加强通风、隔离病叶"，不涉及具体化学方案）
  - 重要提示：仅输出基于视觉的病害识别结果，不提供具体化学防治方案；专业用药请咨询植保专家

🌿 常见叶片病害特征对照

病害名称	典型特征	易发植物
⚪ 白粉病	叶面/叶背覆盖白色粉状物	月季、葡萄、黄瓜、瓜类
🟠 锈病	叶背出现锈黄色/橙色孢子堆	玫瑰、小麦、菊花、豆科
🟤 叶斑病	褐色/黑色坏死斑，常带同心轮纹	番茄、辣椒、苹果、月季
🟡 霜霉病	叶面黄斑，叶背灰白色霉层	葡萄、黄瓜、十字花科
⚫ 炭疽病	暗褐色凹陷斑，中央有橙红色孢子盘	草莓、芒果、辣椒
🟢 病毒病	叶片花叶/卷曲/畸形，无明显斑点	番茄、黄瓜、烟草
💧 细菌性叶斑	水浸状斑点，边缘有黄晕	番茄、辣椒、白菜

🔍 病斑特征识别维度

维度	观察重点
颜色	白/黄/橙/褐/黑/紫色等
形状	圆形/椭圆/不规则/多角形
边缘	清晰/模糊/有/无晕圈
分布	散生/聚集/沿叶脉/全叶
表面附着物	粉状/绒毛状/孢子堆/水浸状
病斑组合	是否同心轮纹、凹陷、穿孔

📊 病情严重程度分级

等级	病叶占比	处置建议
🟢 轻度	<10%	加强通风、摘除病叶、监测扩散
🟡 中度	10%-30%	隔离病株、调整环境湿度、考虑生物防治
🟠 重度	30%-50%	立即隔离、咨询植保专家、必要时使用药剂
🔴 严重	>50%	严重感染，建议销毁病株防止扩散

💡 通用防治方向参考

防治方向	适用场景
🌬️ 加强通风	白粉病、霜霉病等高湿度诱发病害
✂️ 摘除病叶	早期所有病害，减少病原基数
💧 调整浇水	避免叶面长期湿润，改为根部浇水
☀️ 增加光照	弱光环境下植株易感病
🛡️ 隔离病株	防止健康植株感染
🌱 选用抗病品种	长期解决方案
🔬 咨询植保专家	重度病害需专业指导

⚠️ 本技能仅提供通用防治方向，不提供具体化学药剂方案；专业用药需根据植物种类、病害类型、当地法规咨询植保专家。

资源索引

必要脚本：见 scripts/smyx_plant_leaf_disease_identification_analysis.py(用途：调用 API 进行植物叶片病害识别，本地文件上传，网络 URL 由 API 服务自动下载)
配置文件：见 scripts/config.py(用途：配置 API 地址、默认参数和场景代码)
领域参考：见 references/api_doc.md(何时读取：需要了解 API 接口详细规范和错误码时)

注意事项

仅在需要时读取参考文档，保持上下文简洁
支持 jpg/png/mp4/avi/mov 格式，最大 10MB
拍摄要求：近距离、光线充足、病斑清晰；模糊/逆光/距离过远的图像无法得出可靠结果
API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
识别结果仅供病害诊断参考，不提供具体化学防治方案；专业用药请咨询植保专家
部分病害症状相似（如细菌性与真菌性叶斑），AI 识别可能存在不确定性，建议结合植物种类与环境综合判断
同一叶片可能存在多种病害混合感染，需结合症状综合判定
禁止临时生成脚本，只能用技能本身的脚本
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
当显示历史识别报告清单的时候，从接口返回 json 数据中提取字段 reportImageUrl 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"、"对象类型"、"分析时间"、"点击查看"四列，其中"报告名称"列使用植物叶片病害识别报告-{记录id}形式拼接, "点击查看" 列使用 [🔗 查看报告](reportImageUrl) 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。
表格输出示例：
报告名称对象类型分析时间点击查看
植物叶片病害识别报告-20260312172200001 植物 2026-03-12 17:22:00 🔗 查看报告

报告名称	对象类型	分析时间	点击查看
植物叶片病害识别报告-20260312172200001	植物	2026-03-12 17:22:00	🔗 查看报告

使用示例

# 分析本地植物叶片图像（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input /path/to/leaf.jpg --open-id your-open-id

# 分析网络植物叶片图像（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.smyx_plant_leaf_disease_identification_analysis --url https://example.com/leaf.jpg --open-id your-open-id

# 显示历史识别报告/显示报告清单列表
python -m scripts.smyx_plant_leaf_disease_identification_analysis --list --open-id your-open-id

# 输出精简报告
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.smyx_plant_leaf_disease_identification_analysis --input leaf.jpg --open-id your-open-id --output result.json