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

SKILL.md

---
name: "smyx-leaf-curling-scorch-diagnosis-analysis"
description: "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'）。"
version: "1.0.6"
license: "MIT-0"
---

# 🍃 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](https://lifeemergence.com/sample.html)

---

## 🎯 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
  ```
  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`](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`](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`](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
```bash
# 分析本地叶片图像
python -m scripts.smyx_leaf_curling_scorch_diagnosis_analysis --input /path/to/leaf.jpg

# 分析网络叶片图像/视频
python -m scripts.smyx_leaf_curling_scorch_diagnosis_analysis --url https://example.com/leaf.jpg

# 显示历史诊断报告/卷叶焦边诊断清单（自动触发关键词：查看卷叶焦边历史报告、叶片诊断报告清单等）
python -m scripts.smyx_leaf_curling_scorch_diagnosis_analysis --list

# 输出精简报告
python -m scripts.smyx_leaf_curling_scorch_diagnosis_analysis --input leaf.jpg --detail basic

# 保存结果到文件
python -m scripts.smyx_leaf_curling_scorch_diagnosis_analysis --input leaf.jpg --output result.json
```