本图为面向设施蔬菜病害可信诊断的多模态大模型总体研究框架，由科学问题牵引，核心逻辑为病斑证据定位→视觉‑语言语义对齐→大模型证据依赖推理→跨域稳健泛化。框架提出三项科学问题与研究假设：Q1 探究复杂环境下病斑区域如何获取可迁移细粒度表征，解决表型证据不稳定问题；Q2 研究病斑‑症状‑病害语义在统一空间构建可追溯、可验证证据链，解决诊断证据弱对齐问题；Q3 分析设施、品种等条件变化下抑制捷径学习、校准诊断置信度的方法，解决跨域泛化受限问题。多源领域证据包含场景图像、病斑标注、专家文本、环境条件四类信息，输入多模态大模型基座。基座由视觉编码器、病斑适配器、多模态投影、LLM 解码器、领域知识接口构成，主干冻结，依靠 Adapter、LoRA 等做参数高效适配，通过定位、诊断、生成、一致性、校准的联合损失反向更新参数。模型可输出病害类别与严重度、病斑掩膜、症状‑病害证据链以及置信度与拒识结果，实现证据驱动的可信诊断。训练分为三个递进阶段：阶段 Ⅰ 领域语义对齐，构建病斑区域与症状文本的统一语义表征；阶段 Ⅱ 证据依赖诊断，引入 LoRA，让诊断结论依赖病斑证据；阶段 Ⅲ 条件稳健泛化，利用难例、对抗扰动开展稳健学习。底部搭建验证闭环，从域内精度、跨域 OOD、稀有样本、证据一致性等维度完成检验，并附有规范参考文献。无论撰写 NSFC 基金本子还是硕士博士开题报告的科研人员，都可以使用该框架梳理课题逻辑。