该研究框架分为三大部分，第一部分为多模态数据底座，针对样本数量多样性不足、标注成本高、单图像信息不完备的问题，采集温室实景数据，联合专家标注，融合图像、文本与环境知识，借助大语言模型完成结构化描述，产出温室蔬菜病害图像文本多模态大样本数据集。第二部分开展细粒度属性学习，解决图像文本跨模态属性关联难、同类病斑细粒度差异小的难题，对视觉与语言属性分解，实现属性级多模态融合，通过细粒度属性对比增强、属性记忆库搭配双损失机制，得到细粒度多模态属性对比学习病害检测网络。第三部分进行渐进式语义感知，改善图文直接匹配粗糙、目标偏置、词语和病害区域对位不准的缺陷，分单词级、句子级完成语义感知，搭建双向交互检测网络，输出渐进式语义感知多模态检测网络。之后基于自建数据集统一开展对比、消融与复杂背景测试，从识别精度、鲁棒性、跨模态关联效果、落地能力多维度完成验证，最终得到温室蔬菜病害多模态检测新方法用于病害防治。无论从事设施农业病害研究还是多模态图像算法开发的科研人员，都可以从中获取研究思路参考。