系统包含五大核心模块：多模态数据采集（图像/环境/文本/知识）→ 多模态特征编码（ViT/BERT/GNN）→ 深度融合（跨模态注意力/对比学习）→ LLM知识推理（视觉指令/RAG/CoT）→ 智能诊断输出（精准诊断/防治方案/多端部署），实现端到端的蔬菜病害智能识别与可解释诊断。