设施蔬菜病害具有发生环境复杂、症状表型相似、跨季节与跨棚室差异显著等特点，现有以单一视觉模态为主的检测方法容易受到光照、遮挡、背景、设备和生育期变化影响，多模态方法虽然能够引入文本与环境信息，但仍存在语义表征粒度粗、图文区域对齐不稳定以及跨环境泛化能力不足等问题。面向上述挑战，本项目拟研究复杂设施环境下蔬菜病害多模态大模型的语义表征与泛化学习机制。首先，依托寿光设施蔬菜场景，融合病害图像、专家文本描述、温湿度/光照等环境数据以及植保知识，构建图像—文本—环境—知识协同的病害多模态语义基座，研究知识约束的领域语义编码方法；其次，针对类间症状相似和类内表型变化问题，研究病害属性语义原型与视觉区域表征的层级对齐机制，形成从属性、词语到病斑区域的渐进式跨模态语义Grounding方法，提高细粒度病害检测识别的判别性与可解释性；最后，针对跨棚室、跨季节、跨设备等分布漂移问题，研究病害本征语义与环境域特异语义的解耦机制，引入跨域一致性和不变语义约束，提升多模态大模型在未见复杂环境中的泛化能力。项目拟形成“统一语义表征—层级跨模态对齐—跨环境泛化”一体化理论与方法体系，为设施蔬菜病害精准感知与综合防治提供新的科学基础和技术支撑。