病害检测识别技能

病害检测识别技能，支持从图片中自动检测病害区域，识别病害类型、严重程度，输出检测结果和结构化信息。

Security Scan

技能的目标和所需依赖大体一致，但运行指令引用缺失的代码/模型和未说明的“知识库对接”，这些不一致需要开发者或发布者进一步说明。

Purpose & Capability

技能声明为图像病害检测，所列 Python 依赖（ultralytics/opencv/numpy）与目标相符；但 SKILL.md 中示例调用引用 scripts.detector 模块和本地模型文件（./models/yolov8_disease_v2.pt），仓内没有这些代码或模型，说明能力声明依赖外部未提供的资产。且提到“自动对接病害知识库”，但未给出任何端点、凭据或集成说明。

Instruction Scope

运行说明要求 pip install 并展示 Python API 用法，但没有提供实现代码、模型文件或如何获取模型/知识库的步骤。指令不会显式访问环境变量或外部 URL，但“自动对接知识库”暗含需访问外部服务却无说明，授予了不明确的外部访问权限。

Install Mechanism

该技能为 instruction-only（无安装规范、无代码文件）。SKILL.md 建议使用 pip 安装若干常见库——这是常见做法，但平台不会自动写入磁盘或下载未审查的二进制文件；如果你在本地执行这些 pip 命令，会在运行环境中安装第三方包（注意来源与版本）。

Credentials

技能未声明任何环境变量或凭据，但文本中提到与病害知识库“自动对接”，这通常需要端点/凭证；缺乏声明导致不清晰：如果集成需凭据，技能没有请求也没有说明如何安全配置，存在不对称和不透明风险。

Persistence & Privilege

技能没有要求始终加载（always=false），也没有安装脚本或权限修改指令，未请求写入代理或系统级配置，持久性和特权要求低。

What to consider before installing

这项技能看起来像是一份使用说明而非完整实现： - 在安装或运行前，要求发布者提供缺失的实现代码（scripts/detector 等）和模型文件（yolov8_disease_v2.pt），或者说明如何安全地获取这些资源。 - 要求发布者说明“病害知识库对接”的具体方式：接口地址、需要的凭据及数据流向。不要在不了解对接细节的情况下提供任何秘密或认证信息。 - 如果你打算在本地运行示例中的 pip install，请在隔离环境（虚拟环境或容器）中执行，并确认包来源与版本；第三方模型文件也应核实来源与许可。 - 注意隐私：技能处理图片（可能含敏感信息），确认图片上传/存储策略与外部服务交互细节，以免无意泄露数据。 - 若你需要更高置信度评估，请请求发布者提供完整代码仓库或可复现的示例（包含模型和知识库集成测试），或提供签名/来源证明。

核心功能

1. 支持农作物、工业设备、建筑等多场景病害/缺陷检测
2. 自动定位病害区域，返回精确bounding box坐标和分割掩码
3. 识别病害类型，内置支持120+常见病害分类，可自定义扩展
4. 智能评估病害严重程度（轻微/中等/严重/极重）
5. 输出结构化检测结果，自动对接病害知识库获取解决方案

依赖安装

pip install ultralytics>=8.0 opencv-python>=4.8 numpy>=1.24

使用方式

from scripts.detector import DefectDetector
detector = DefectDetector(model_path="./models/yolov8_disease_v2.pt")
detection_result = detector.detect("./defect_sample.jpg")

返回格式

{
  "has_defect": true,
  "defect_count": 2,
  "defects": [
    {
      "type": "玉米叶斑病",
      "confidence": 0.96,
      "severity": "中等",
      "bbox": [120, 85, 260, 190],
      "area_ratio": 0.12
    },
    {
      "type": "玉米锈病",
      "confidence": 0.89,
      "severity": "轻微",
      "bbox": [310, 120, 390, 210],
      "area_ratio": 0.05
    }
  ]
}