plantcv-mcp Skill 技能

技能简介

plantcv-mcp 是一个将植物表型分析工具 PlantCV 封装为 MCP（Model Context Protocol）服务器的 Python 包，让 AI 助手能够通过标准化的 MCP 工具接口调用植物测量功能，获得植物形态特征的数量化数据，同时附带分割掩码图像，确保测量结果真实反映植株而非背景或杂质。

核心能力

• 防退化测量：返回测量结果时强制附带分割叠加层（overlay），AI 必须先审核图像确认掩码质量才能接受数值，从根本上杜绝对背景、杂质或错误区域的"有效测量"
• 完整测量工具集：提供 suggest_segmentation（预览分割方案）、segment（生成分割掩码和叠加层）、refine（手动修正掩码）、measure（执行测量）等十余种工具，覆盖从初筛到精测的完整流程
• 多光谱支持：支持 RGB、灰度、热成像、高光谱（HSI）图像处理，可分析叶片颜色、株高、生物量、温度分布等多项指标
• 尺度标定：通过已知尺寸标尺自动计算像素与现实毫米数的换算系数，确保面积、周长等数据以真实单位输出
• 镜头畸变校正：内置棋盘格标定流程，修正广角或鱼眼镜头引入的图像失真，保证定量分析的准确性
• 批次测量：支持 measure_images 对多张图像批量执行同一测量配方，适用于高通量筛选场景
• Segment Anything 集成：可选安装 SAM 显著提升叶片实例分割精度

安装配置

方式一：使用 uvx（即用即走，无需安装 Python 环境）

1. 确保已安装 uv：curl -LsSf https://astral.sh/uv/install.sh | sh
2. 直接运行：claude mcp add plantcv -- uvx plantcv-mcp
3. 验证安装：运行 list_methods() 检查工具列表

方式二：pip 安装

1. pip install plantcv-mcp（自动安装 PlantCV 及其科学计算依赖栈，首次安装约需 1-2 分钟）
2. 可选安装 SAM 分割增强：pip install plantcv-mcp[sam]（需额外 375MB 磁盘空间）
3. 在 MCP 客户端配置命令为 plantcv-mcp

安全配置（推荐）

1. 指定只读根目录：plantcv-mcp --root /data/phenotyping
2. 或设置环境变量 PLANTCV_MCP_ROOTS，多个目录用逗号分隔

使用步骤

1. 预览分割方案：调用 suggest_segmentation(image_path, channel, method) 查看不同通道和算法组合的分割效果
2. 执行分割：调用 segment(image_path, channel, method) 生成掩码叠加层图像，检查红色测量区域是否准确覆盖目标植株
3. 修正掩码（如需要）：若叠加层偏差不大，调用 refine(session_id, ops) 排除错误区域；若偏差较大，更换参数重新分割
4. 执行测量：调用 measure(session_id, analyses, px_per_mm) 获得植物形态数据；若掩码退化，服务器将主动报错拒绝返回假数据
5. 批次处理：使用 measure_images(image_paths, ...) 对大量图像按同一方案批量分析

适用场景

• 植物表型组学研究：批量分析盆栽或田间植株的叶面积、株高、叶片数、生物量等形态指标
• 胁迫响应分析：比较干旱、盐碱、病虫害等逆境条件下植株形态的定量变化
• 遗传育种筛选：对大量突变体或转基因株系进行快速形态学评估
• 环境模拟实验：结合热成像分析植物表面温度分布，评估蒸腾和热应激反应
• 数字农业监测：对农作物图像进行实时形态分析，辅助灌溉和施肥决策
• 叶片计数与形态追踪：对生长过程图像序列进行叶片数量和形态变化追踪

适用人群

• 植物科学家和农学研究者，需要对植物形态进行定量分析
• 遗传育种工程师，筛选突变体或转基因作物株系
• 数字农业产品开发者，构建基于视觉的作物监测系统
• 高校植物学、植物生理学方向的学生和教学实验室
• AI/ML 研究者，构建植物图像数据集或多模态农业模型

工作原理

plantcv-mcp 的核心设计理念是"数字必须来自真实分割"。当 AI 调用 measure() 工具时，服务器首先检查对应的分割叠加层图像——若掩码为空、为背景覆盖率超限、为杂质噪声、或图像被修改过，服务器将主动抛出错误而非返回假数据。这一防退化机制确保 AI 接收到的每一个数字都对应真实的植物测量值。服务器内部基于 PlantCV 4.x 版本的科学图像处理算法，支持 Otsu、自适应阈值、动态阈值等多种分割方法，分析结果以标准化单位（mm、mm²、°C 等）返回。

官方链接

• PyPI 页面：https://pypi.org/project/plantcv-mcp/
• GitHub 仓库：https://github.com/musharna/plantcv-mcp
• 完整使用指南：https://github.com/musharna/plantcv-mcp/blob/master/docs/GUIDE.md
• 学术引用：https://doi.org/10.5281/zenodo.21713516