该流程图完整展示番茄病害检测算法架构，整体分为数据增强、视觉‑语言融合、检测头三大核心模块。数据增强模块利用病害类别，在属性空间提取病因、形态、颜色等维度信息，借助大语言模型结合思维链 CoT 生成细粒度提示词。将原始图像、病灶掩码、提示词输入 LoRA 微调的潜扩散模型，增加空间注意力约束，生成病害样本；健康类别采用传统增强方式，每类扩充至 2000 张，最终得到 20000 张样本的均衡数据集。视觉‑语言融合模块，输入图像经过 Swin Transformer 视觉编码器提取多尺度特征，病害文本送入 CLIP 文本编码器得到语义嵌入；通过双向跨模态增强、语言引导查询选择、多阶段跨模态解码器，完成区域‑文本对齐。检测头模块分为分类头与框回归头，分类头输出类别分数，回归头输出目标边界框，联合得到病害类别与检测框，模型结合检测损失与对比损失作为训练目标，完成模型优化。整套方案融合大模型、扩散生成、图文跨模态技术，解决农业数据集样本不均衡问题，提升病害检测精度。无论开展农业 AI 方向课题的学生、计算机视觉研发人员，还是农作物智能识别项目从业者，都可以借助该流程图理解整套算法完整链路。