本图为项目研究框架，实现与原本子内容一一对应，整体横向分为原本子可继承部分、关键科学问题、研究内容、创新点四列，设置三条并行的研究线索。第一条线索继承图像文本多模态数据采集与处理，保留病害图像、环境参数、专家文本；对应的科学问题探究复杂环境下视觉‑环境‑知识‑文本异构信息如何形成稳定统一的病害语义表征；研究内容开展多模态大模型层次化语义表征，通过多源编码、Q‑Former/Adapter 跨模态桥接实现病害本征语义与环境语义解耦；对应的创新点为本征语义与环境上下文语义协同解耦的多模态大模型表征机制。第二条线索继承细粒度多模态属性对比学习，保留属性解耦、细粒度对比学习；科学问题聚焦类间相似、类内多变条件下如何依托局部病斑完成精准跨模态对齐；研究内容基于语义原型驱动完成三级对齐与难负样本原型约束对比学习；提出大模型病害语义原型约束的属性级细粒度跨模态对齐机制。第三条线索继承渐进式语义感知多模态目标检测，保留局部‑全局语义思想；科学问题研究发生环境分布偏移时病害语义如何泛化至未知环境；研究内容构建多源环境域，抑制域敏感特征并完成未见域验证；得到病害稳定语义驱动的多模态跨环境泛化机制。总体研究链条为多源异构信息、统一层次语义表征、细粒度跨模态对齐、稳定语义学习再到未知环境泛化。无论申报课题的科研人员还是农业 AI 方向研究生，都可以为本课题框架设计带来参考。