该图展示一套面向番茄病害检测的完整技术链路。原始数据集共 10770 张图像，包含 10 个类别，涵盖健康番茄以及灰霉病、灰叶斑病、黑斑病、晚疫病等多种病害，各类样本原始数量分布不均衡。数据首先送入数据增强模块，模块分为两部分，一是基于大模型 LLM 的思维链提示词生成，通过推理输出病害提示词；二是空间掩码约束可控生成，利用提示词与掩码完成图像生成。经过增强后得到类别均衡的扩充数据集，合计 20000 张图像，每类各 2000 张，解决原始样本不均衡问题。均衡数据集送入视觉‑语言融合检测模块，图像端采用 Swin Transformer 作为图像编码器提取视觉特征；文本端使用 CLIP 文本编码器处理病害描述文本得到语义特征；经过双向增强、语言引导查询筛选，送入跨模态解码器，最终输出病害分类结果与检测框，完成番茄病害识别与定位。整套流程融合大模型提示生成、可控图像增强、跨模态多模态检测，通过数据扩充缓解数据集不平衡，提升农作物病害检测模型性能。无论农业 AI 方向研究生、多模态算法研究者还是农作物病害检测项目开发人员，都可以参考这套完整技术链路开展实验与研究。