该流程图完整展示语义引导扩散增强与视觉‑语言融合的番茄病害检测全流程，整体划分为数据准备、提示词生成、模型构建与优化、对比实验、性能评估、结果输出六大技术阶段。数据准备阶段对原始图像与 10 类病害标签完成数据清洗、类别划分，划分训练、验证、测试数据集。提示词生成阶段借助链式推理完成多样化提示词生成，从类别分流、病因分析、病斑形态、视觉特征多维度完成属性采样与语义筛选。随后开展语义引导扩散增强，完成扩散生成、病斑多样化、质量筛选与类别平衡，构建高质量均衡样本集。模型构建与优化阶段搭建视觉‑语言跨模态融合检测网络，完成图像编码、文本编码、特征对齐、跨模态融合，依托联合损失开展端到端训练与参数调优。对比实验选取 Grounding DINO、YOLOv13 开展对照，同时设置消融实验验证模块有效性。性能评估采用 Precision、Recall、mAP@50、F1 指标，分析小目标病害、定位漏检问题，最终输出整套番茄病害检测技术方案。整套链路覆盖数据集处理、大模型提示生成、扩散数据增强、跨模态检测、实验验证全流程。无论农业 AI 方向研究生、多模态算法研发人员还是农作物病害检测项目从业者，都可以参考该技术流程开展课题研究与工程实践。