这张图是设施蔬菜病害项目的技术路线图。项目首先整合多模态数据与前期研究基础，数据集包含病害视觉图像数据、植保症状专业知识、温室设施环境时序数据以及公开农业图文数据，以此搭建由视觉编码器、多模态连接模块、大语言模型共同组成的视觉‑语言基础模型基座。研究分为依次推进的三个阶段：第一阶段开展病害知识内化与领域语义学习，完成领域语义关系组织，实施知识约束持续预训练，协调领域能力与通用能力，输出设施蔬菜病害领域语义表征，实现植保知识内化进模型；第二阶段聚焦病斑证据保持与细粒度语义推理，完成病斑感知视觉 Token 保留、多粒度视觉语言对齐以及证据约束协同推理，让高层判断保留可核验的病斑依据，得到证据一致语义；第三阶段进行条件稳定语义与复杂环境泛化学习，分解各类环境干扰因素，开展条件稳定语义学习，在未曾见过的温室、季节、设备条件下开展泛化验证，划定模型适用边界，实现未知环境下模型稳定判别。整体技术演进路径依次完成领域语义内化、证据一致语义构建、条件稳定泛化，完成设施蔬菜病害多模态识别全流程研究。无论从事农业多模态识别课题的研究生还是涉农 AI 方向的科研人员，都可以为本项目技术方案提供研究参考。