本框架阐述了视觉-语言基础模型在农业病虫害智能诊断领域的完整应用范式。预训练阶段（左上）：利用PlantVillage、IPM Images、田间数据及卫星影像等大规模农业数据集，训练多模态Transformer基础模型，使其获得跨作物、跨病害的通用视觉-语言表征能力。专业化微调阶段（右上）：在冻结基础模型主体参数的前提下，引入轻量级农业适配器（Agricultural Adapter），仅训练少量参数即可实现对真菌性叶斑病、蚜虫侵染、病毒症状、线虫危害等特定病虫害的高精度识别。