该流程图展示一套番茄病害检测完整技术流程，原始番茄数据集包含 10 个类别、10770 张图像，存在设施环境干扰、背景复杂、样本类别不均衡、病害表型相似度高等现实问题。整套方案分为语义引导数据增强、视觉‑语言融合检测两大核心模块。语义引导数据增强分为两大步骤，先通过大语言模型完成语义提示生成，结合病害类别，推理出病因、形态、颜色、位置、严重程度等信息，输出细粒度提示词；再执行掩码约束扩散生成，依托原始图像、病灶掩码、提示词，使用 LoRA 微调潜扩散模型，叠加空间注意力约束生成病害样本。病害类别采用可控合成生成样本，健康类别使用传统数据增强，每类扩充至 2000 张，最终得到 20000 张类别均衡的训练图像。视觉语言融合检测模块中，视觉编码器使用 Swin Transformer 提取图像多尺度特征，文本编码器利用 CLIP 将病害描述转化为语义嵌入；经过双向跨模态增强、语言引导查询选择、跨模态解码器处理，结合检测损失与对比损失完成模型训练，最终输出病害类别与目标检测框。该技术利用大模型语义先验解决数据集短板，依靠图文跨模态架构提升农作物病害识别精度。无论进行农业 AI 课题研究的学生、计算机视觉方向研发人员，还是农作物智能检测项目从业者，都可以借助本流程图掌握这套病害检测技术链路。