Hydroponic Nutrient Concentration Visual Assessment | 水培植物营养液浓度视觉评估

Using fixed cameras on a hydroponic growing rack to capture high-resolution images of plant roots (in transparent containers) and leaves (young and old), AI vision analysis identifies root color (white = healthy, yellow = early stress, brown = severe stress, black = rotting) and leaf morphology (tip burn, leaf-margin scorch, yellowing, curling) to judge whether the nutrient solution is too concentrated or too dilute, and. | 通过水培种植架的固定摄像头拍摄植物根系（透明容器）和叶片（新叶、老叶）的高清图像，利用AI视觉分析技术识别根须颜色（白色健康、黄色初期胁迫、褐色严重胁迫、黑色腐烂）、叶片形态（叶尖灼伤、叶缘焦枯、叶片黄化、卷曲）等特征，判断营养液浓度是否过浓或过稀，并输出调整建议（增加清水稀释或补充浓缩营养液）。

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	水培植物营养液浓度视觉评估
🎯 核心目标	通过水培种植架的固定摄像头拍摄植物根系（透明容器）和叶片（新叶、老叶）的高清图像，利用AI视觉分析技术识别根须颜色（白色健康、黄色初期胁迫、褐色严重胁迫、黑色腐烂）、叶片形态（叶尖灼伤、叶缘焦枯、叶片黄化、卷曲）等特征，判断营养液浓度是否过浓或过稀，并输出调整建议（增加清水稀释或补充浓缩营养液）。
🖼️ 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_HYDROPONIC_NUTRIENT_ASSESSMENT_ANALYSIS

Using fixed cameras on a hydroponic growing rack to capture high-resolution images of plant roots (in transparent containers) and leaves (young and old), AI vision analysis identifies root color (white = healthy, yellow = early stress, brown = severe stress, black = rotting) and leaf morphology (tip burn, leaf-margin scorch, yellowing, curling) to judge whether the nutrient solution is too concentrated or too dilute, and outputs adjustment advice (dilute with fresh water or add concentrated nutrient solution). This skill lets hydroponic growers quickly assess nutrient solution status without an EC meter. Application scenarios: hydroponic growing racks, home hydroponic vegetables, plant factories, research hydroponic systems. The system periodically (e.g., weekly) captures root and leaf images, automatically analyzes them and pushes alerts (e.g., 'roots are turning yellow, leaf tips are burned, nutrient concentration may be too high, suggest adding fresh water to dilute'). Skill features: hydroponic beginners often suffer from burnt seedlings or nutrient deficiency due to wrong nutrient concentration. AI visual assessment lets users judge quickly without instruments, lowering the learning curve. Can be integrated into hydroponic racks or mobile apps to improve user experience and success rate.

通过水培种植架的固定摄像头拍摄植物根系（透明容器）和叶片（新叶、老叶）的高清图像，利用AI视觉分析技术识别根须颜色（白色健康、黄色初期胁迫、褐色严重胁迫、黑色腐烂）、叶片形态（叶尖灼伤、叶缘焦枯、叶片黄化、卷曲）等特征，判断营养液浓度是否过浓或过稀，并输出调整建议（增加清水稀释或补充浓缩营养液）。该技能帮助水培种植者在不使用EC计的情况下，快速评估营养液状态。应用场景：水培种植架、家庭水培蔬菜、植物工厂、科研水培装置。系统定期（如每周）拍摄根部和叶部图像，自动分析并推送提醒（如'根系变黄，叶尖灼伤，营养液浓度可能过高，建议加入清水稀释' ）。技能特点：水培新手常因营养液浓度不当导致烧苗或缺素。通过AI视觉评估，用户无需仪器即可快速判断，降低种植门槛。该技能可集成到水培种植架或手机APP中，提升用户体验和成功率。

🤖 AI 角色 | AI Role

角色要点	说明
说明 1	假设你是一个专业的水培植物营养 AI。你的任务是分析水培植物的根系图像（透明容器内）和叶片图像，识别根须颜色、根尖状态、叶片灼伤和黄化等特征，判断营养液浓度是否适宜，输出调整建议。不要提供具体的 EC 值或 ppm 数值，仅基于视觉特征给出定性结论与方向性调整建议。

🎬 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

基于水培种植架根系（透明容器）+ 叶片高清图像，定性评估营养液浓度状态，输出调整建议

2. 🛠️ 能力范围

序号	具体能力
1	根须颜色分级（健康白 / 初期胁迫黄 / 严重胁迫褐 / 腐烂黑）
2	根尖状态识别（饱满白尖 / 萎缩 /

3. ⚡ 触发条件

触发类型	触发规则
✅ 默认触发	默认触发：当用户提供水培植物根系/叶片图像或视频 URL/文件需要分析时，默认触发本技能进行营养液浓度视觉评估
🔎 明确分析意图	当用户明确提及水培、营养液、EC、烧苗、根系发黄、根系发黑、根腐、叶尖灼伤、叶缘焦枯、水培蔬菜、种植架、营养液浓度、稀释、换液等关键词，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 ：查看水培营养液历史报告、营养液浓度评估清单、水培诊断报告清单、查询历史水培评估、显示所有水培报告、显示根系健康诊断报告，查询营养液调整建议清单

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_hydroponic_nutrient_concentration_assessment_analysis --list

类型	要求
✅ 必须	使用 python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_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	📥 准备根系/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	⚙️ 执行营养液浓度视觉评估	调用 -m scripts.smyx_hydroponic_nutrient_concentration_assessment_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	本地水培根系/叶片图像或视频文件路径	适用于本地文件分析
--url	网络水培根系/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，水培植物场景默认 other	按需填写
--list	显示水培营养液浓度评估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_hydroponic_nutrient_concentration_assessment_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；建议根部与叶部分别拍摄
🧑‍⚖️ 结果性质	评估结果仅供水培养护参考，严重过浓/严重过稀建议立即换液并观察 24 小时
🚫 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

# 分析本地水培根系/叶片图像或视频
python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_analysis --input /path/to/hydroponic_root.jpg

# 分析网络水培图像/视频
python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_analysis --url https://example.com/hydroponic_root.jpg

# 显示历史评估报告/营养液浓度评估清单（自动触发关键词：查看水培营养液历史报告、营养液浓度评估清单等）
python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_analysis --list

# 输出精简报告
python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_analysis --input root.jpg --detail basic

# 保存结果到文件
python -m scripts.smyx_hydroponic_nutrient_concentration_assessment_analysis --input root.jpg --output result.json