本图是面向复杂环境的设施蔬菜病害多模态大模型语义表征与泛化学习研究框架，该研究在原有三条主线基础上升级为 “大模型统一表征‑细粒度语义增强‑环境不变泛化”，依托 CLIP、VLM 等相关技术开展研究，设置数据基础‑统一语义表征、识别性能‑细粒度语义增强、特征融合‑环境不变泛化三条主线。首先梳理原本可继承的研究基础与现存三类问题：样本数据缺、识别效果差、多模态特征融合难。由此提炼三项关键科学问题 Q1‑Q3，分别探究多源异构信息的统一语义表征机理、细粒度病害属性的稳健语义表征机理、跨模态语义映射的环境不变与泛化机理。对应设置三项研究内容 C1‑C3：构建四元语义资源的多模态语义基座并完成大模型领域适配；依托属性解耦与对比学习实现细粒度属性增强的层级语义表征；构建多域环境提示开展环境不变的跨模态对齐与泛化学习。进一步得到三项创新点 I1‑I3，实现病害本征语义多源联合表征、属性‑词语‑区域细粒度层级对齐、环境敏感‑病害不变语义解耦的跨域泛化。整体遵循递进逻辑，从语义形成、语义判别再到语义跨域稳定，形成由表征到泛化的完整科学链条。无论进行农业多模态病害识别课题研究的研究生还是农业 AI 方向的科研人员，都可以从中获取研究思路。