AI-powered flowering-date prediction for ornamental/cut-flower plants. From fixed greenhouse cameras or drones, captures images of flower-bud developmental stages, combines environmental sensor data — cumulative temperature (Growing Degree Days, GDD) and
🌸 Flowering Date Prediction | 开花植物花期预测
功能概述
🌸 Flowering Date Prediction | 开花植物花期预测是一项面向实际任务的技能，主要用于智能分析中枢 · 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；
核心要点
- 🏷️ 技能名称；
- 开花植物花期预测；
- 🎯 核心目标；
使用与执行
通过智慧农业温室中的固定摄像头或无人机拍摄植物花蕾发育阶段的图像，并结合环境传感器提供的温度累积（生长度日，GDD）、光照累积（光合有效辐射或日照时长）等。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
🌸 Flowering Date Prediction | 开花植物花期预测
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 | 开花植物花期预测 |
| 🎯 核心目标 | 通过智慧农业温室中的固定摄像头或无人机拍摄植物花蕾发育阶段的图像，并结合环境传感器提供的温度累积（生长度日，GDD）、光照累积（光合有效辐射或日照时长）等数据，利用预训练的物候模型预测未来3-7天内的开花日期（花朵完全开放）。该技能有助于温室种植者精准安排授粉、采收或观光活动。应用场景：智慧农业温室、切花生产基地、植物园、花卉观光园区。 |
| 🖼️ 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_FLOWERING_DATE_PREDICTION_ANALYSIS |
AI-powered flowering-date prediction for ornamental/cut-flower plants. From fixed greenhouse cameras or drones, captures images of flower-bud developmental stages, combines environmental sensor data — cumulative temperature (Growing Degree Days, GDD) and accumulated light (PAR or daylight hours) — and uses a pre-trained phenology model to predict the full-bloom date within the next 3-7 days. Helps growers precisely schedule pollination, harvesting and tourism activities. Scenarios: smart-agriculture greenhouses, cut-flower production bases, botanical gardens, flower tourism parks.
通过智慧农业温室中的固定摄像头或无人机拍摄植物花蕾发育阶段的图像，并结合环境传感器提供的温度累积（生长度日，GDD）、光照累积（光合有效辐射或日照时长）等数据，利用预训练的物候模型预测未来3-7天内的开花日期（花朵完全开放）。该技能有助于温室种植者精准安排授粉、采收或观光活动。应用场景：智慧农业温室、切花生产基地、植物园、花卉观光园区。
🤖 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物候预测 AI。你的任务是分析花蕾发育阶段的高清图像，结合当前及历史温光数据（生长度日 GDD、光照累积），基于作物物候模型预测未来 3-7 天内的开花日期（花朵完全开放）。不要提供具体的栽培操作（施肥配方、温控参数等），仅输出预测的开花日期与置信度。 |
🎬 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
通过花蕾发育阶段图像 + 可选环境温光数据进行花期预测，输出未来 3-7 天内的预计开花日期与物候阶段
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 花蕾发育阶段识别（紧蕾期 / 露色期 / 显色期 / 临开放期） |
| 2 | GDD / 光照累积融合（如提供） |
| 3 | 未来开花日期预测（日期 + 置信度区间） |
| 4 | 物候发育速率提示 |
| 5 | 生产计划方向建议（授粉 / 采收 / 观光档期） |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供花蕾发育阶段图像或视频（可选附带温光累积数据）需要花期预测时，默认触发本技能 |
| 🔎 明确分析意图 | 当用户明确需要花期预测时，提及花期预测、开花时间、几天后开花、花蕾发育、物候、GDD、生长度日、温室花卉、切花生产、采收档期、观花期等关键词，并且上传了图像或视频文件 |
| 📚 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：查看历史花期预测报告、历史花期报告、花期预测清单、显示所有花期分析报告、查询花期诊断记录 |
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：
python -m scripts.smyx_flowering_date_prediction_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_flowering_date_prediction_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 | 📥 准备花蕾图像/视频输入 | 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 | ⚙️ 执行花期预测 | 调用 -m scripts.smyx_flowering_date_prediction_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 |
本地图像/视频文件路径 | 适用于本地文件分析 |
--url |
网络图像/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，花卉场景使用 other，默认 other | 按需填写 |
--list |
显示花期预测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_flowering_date_prediction_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 | 文件要求：支持 jpg/png/mp4/avi/mov 格式，最大 10MB |
| 🔎 使用提醒 | 拍摄要求：自然光或稳定温室光下、距离 20-50 cm 拍摄花蕾特写；同一植株固定机位定期采集效果最佳 |
| 🧑⚖️ 结果性质 | 分析结果仅供生产计划参考，预测日期存在 ±1-2 天误差，正式排产请结合人工巡查与历史经验 |
| 🚫 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 |
| 📁 格式支持 | 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 表格格式输出，包含"报告名称"、"作物品种"、"分析时间"、"点击查看"四列，其中"报告名称"列使用花期预测报告-{记录id}形式拼接, "点击查看"列使用[🔗 查看报告]()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。 |
| 📜 报告输出 | 表格输出示例 |
🧰 使用示例 | Examples
# 分析本地花蕾图像/视频 python -m scripts.smyx_flowering_date_prediction_analysis --input /path/to/bud.jpg # 分析网络花蕾图像/视频 python -m scripts.smyx_flowering_date_prediction_analysis --url https://example.com/bud.jpg # 显示历史分析报告/显示分析报告清单列表/显示历史花期预测报告（自动触发关键词：查看历史花期预测报告、历史报告、花期预测清单等） python -m scripts.smyx_flowering_date_prediction_analysis --list # 输出精简报告 python -m scripts.smyx_flowering_date_prediction_analysis --input bud.jpg --detail basic # 保存结果到文件 python -m scripts.smyx_flowering_date_prediction_analysis --input bud.jpg --output result.json
相关专题
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
2026.10.22
0
11
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
2026.10.22
0
10
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
2026.10.22
0
15
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
2026.10.22
0
10
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
2026.10.22
0
25
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
2026.10.22
0
15
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查，覆盖本地环境、Docker及多平台用法，帮助Go开发者快速上手。
2026.10.22
0
15
PHP2Shell漏洞是什么，哪些PHP版本和运行环境会受到影响，服务器应该如何检测与修复？本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤，以及修复验证、临时缓解和应急响应方案。
2026.10.22
0
12
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 133.9万人学习
共49课时 | 82.5万人学习
