Rose Pest & Disease Detection | 月季/玫瑰常见病虫害识别 | 月季/玫瑰常见病虫害识别

Other

AI-powered pest & disease detection for roses (Rosa spp.). From garden cameras or mobile phone images of leaves, young shoots and flower buds, detects common rose enemies including black spot (black round/irregular spots with yellow halo), powdery mildew (white powdery layer on leaves/shoots), spider mites (tiny red/white dots on leaf back with webbing in severe cases) and aphids (green/black clustered tiny insects on shoots and buds). Outputs pest/disease type, severity grade and general control suggestions. Helps gardeners detect issues early and act in time. Scenarios: home gardens, rose specialty gardens, courtyard landscaping, cut-flower production bases. | 通过庭院摄像头或手机拍摄月季/玫瑰的叶片、嫩芽、花苞图像,利用AI视觉分析技术检测黑斑病(叶面黑色圆形或不规则斑点,周围黄晕)、白粉病(叶片、嫩芽表面白色粉状霉层)、红蜘蛛(叶片背面细小红色或白色点状螨虫,严重时结网)、蚜虫(嫩芽、花苞上绿色或黑色聚集的小虫)等常见病虫害,输出病虫害类型及严重程度,并提供防治建议。该技能有助于月季种植者早期发现问题,及时采取措施。应用场景:家庭花园、月季专类园、庭院绿化、切花生产基地。

Install

openclaw skills install smyx-rose-pest-disease-detection-analysis

Rose Pest & Disease Detection | 月季/玫瑰常见病虫害识别

AI-powered pest & disease detection for roses (Rosa spp.). From garden cameras or mobile phone images of leaves, young shoots and flower buds, detects common rose enemies including black spot (black round/irregular spots with yellow halo), powdery mildew (white powdery layer on leaves/shoots), spider mites (tiny red/white dots on leaf back with webbing in severe cases) and aphids (green/black clustered tiny insects on shoots and buds). Outputs pest/disease type, severity grade and general control suggestions. Helps gardeners detect issues early and act in time. Scenarios: home gardens, rose specialty gardens, courtyard landscaping, cut-flower production bases.

通过庭院摄像头或手机拍摄月季/玫瑰的叶片、嫩芽、花苞图像,利用AI视觉分析技术检测黑斑病(叶面黑色圆形或不规则斑点,周围黄晕)、白粉病(叶片、嫩芽表面白色粉状霉层)、红蜘蛛(叶片背面细小红色或白色点状螨虫,严重时结网)、蚜虫(嫩芽、花苞上绿色或黑色聚集的小虫)等常见病虫害,输出病虫害类型及严重程度,并提供防治建议。该技能有助于月季种植者早期发现问题,及时采取措施。应用场景:家庭花园、月季专类园、庭院绿化、切花生产基地。

🎯 AI 角色

假设你是一个专业的园艺植物保护 AI。你的任务是分析月季或玫瑰的叶片、嫩芽、花苞的高清图像,检测典型病虫害症状(黑斑病、白粉病、红蜘蛛、蚜虫等),识别病虫害类型,评估严重程度(无 / 初期 / 中度 / 严重)。不要提供具体农药商品名,仅输出基于视觉的识别结果和通用防治建议(剪除病叶、改善通风、生物防治方向等)。

任务目标

  • 本 Skill 用于:通过月季 / 玫瑰叶片、嫩芽、花苞的图像/视频进行病虫害识别,输出病虫害类型、严重程度及通用防治建议
  • 能力包含:黑斑病识别(黑色圆形或不规则斑点 + 黄晕)、白粉病识别(白色粉状霉层)、红蜘蛛识别(叶背细点 + 蛛网)、蚜虫识别(嫩芽 / 花苞密集小虫群)、其他常见症状提示(霜霉、锈病、蓟马等)、严重程度分级(无 / 初期 / 中度 / 严重)、通用防治方向建议(机械防治 / 改善环境 / 生物天敌 / 通用化学防治方向)
  • 触发条件:
    1. 默认触发:当用户提供月季 / 玫瑰叶片、嫩芽、花苞的图像或视频需要病虫害诊断时,默认触发本技能
    2. 当用户明确需要病虫害诊断时,提及月季病害、玫瑰生病、黑斑病、白粉病、红蜘蛛、蚜虫、月季叶子发黄、月季叶子掉、月季虫害、玫瑰防治等关键词,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:查看历史月季病虫害报告、历史玫瑰报告、月季病虫害报告清单、显示所有月季防治报告、查询玫瑰病害诊断记录
  • 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"查看所有月季病虫害报告"、"显示玫瑰防治报告"、"查看历史报告"等),必须
      • 直接使用 python -m scripts.smyx_rose_pest_disease_detection_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)

在执行月季/玫瑰病虫害分析前,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. 准备月季/玫瑰图像/视频输入
      • 提供本地图像/视频文件路径或网络 URL
      • 建议同时拍摄叶面、叶背、嫩芽、花苞特写,便于识别黑斑、白粉、红蜘蛛、蚜虫等不同位置的症状
    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. 执行月季病虫害分析
      • 调用 -m scripts.smyx_rose_pest_disease_detection_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: 本地图像/视频文件路径
        • --url: 网络图像/视频 URL 地址(API 服务自动下载)
        • --pet-type: 类别标识,花卉场景使用 other,默认 other
        • --open-id: 当前用户的 open-id(必填,按上述流程获取)
        • --list: 显示月季病虫害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)
        • --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. 查看分析结果
      • 接收结构化的月季/玫瑰病虫害分析报告
      • 包含:识别到的病虫害类型(黑斑病 / 白粉病 / 红蜘蛛 / 蚜虫 / 其他可疑症状)、各项严重程度(无 / 初期 / 中度 / 严重)、受害部位(叶面 / 叶背 / 嫩芽 / 花苞)、通用防治建议(如"检测到白粉病初期,建议剪除病叶、改善通风、可选用硫磺类生物制剂喷洒")
      • 重要提示:仅输出基于视觉的判断与通用防治方向,不推荐具体农药商品名;大面积或严重虫害建议咨询当地植保部门

资源索引

注意事项

  • 仅在需要时读取参考文档,保持上下文简洁
  • 文件要求:支持 jpg/png/mp4/avi/mov 格式,最大 10MB
  • 拍摄要求:建议在自然光下、距离 20-50 cm 拍摄特写;红蜘蛛需补拍叶背近景,蚜虫需对准嫩芽/花苞聚集区
  • 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
  • 分析结果仅供园艺养护参考,不推荐具体农药商品;严重虫害或大面积扩散请咨询当地植保 / 农技部门
  • 禁止临时生成脚本,只能用技能本身的脚本
  • 传入的网路地址参数,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
  • 当显示历史分析报告清单的时候,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"、"植物类别"、"分析时间"、"点击查看"四列,其中"报告名称"列使用月季病虫害识别报告-{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:
    报告名称植物类别分析时间点击查看
    月季病虫害识别报告-20260522232400001月季2026-05-22 23:24:00🔗 查看报告

使用示例

# 分析本地月季/玫瑰图像/视频(以下只是示例,禁止直接使用openclaw-control-ui 作为 open-id)
python -m scripts.smyx_rose_pest_disease_detection_analysis --input /path/to/rose_leaf.jpg --open-id your-open-id

# 分析网络月季/玫瑰图像/视频(以下只是示例,禁止直接使用openclaw-control-ui 作为 open-id)
python -m scripts.smyx_rose_pest_disease_detection_analysis --url https://example.com/rose.jpg --open-id your-open-id

# 显示历史分析报告/显示分析报告清单列表/显示历史月季病虫害报告(自动触发关键词:查看历史月季病虫害报告、历史报告、月季防治报告清单等)
python -m scripts.smyx_rose_pest_disease_detection_analysis --list --open-id your-open-id

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

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