本图为多模态大模型基座驱动的设施蔬菜病害认知与跨域泛化机制研究框架，核心假设依托共享大模型基座串联病斑视觉证据、病害知识与诊断推理，借助证据约束和跨域稳健优化，构建可解释、可迁移的病害诊断能力。框架提出三项科学问题：探究局部病斑细粒度差异如何转化为可辨识语义；研究视觉证据与病害知识融合并约束生成推理的方法；解决棚室、季节、设备变化时模型稳定识别已知与未知病害的难题。整体分为三大模块：A 多源证据构建，整合棚室图像、病斑分割标注、领域病害知识，将图像观测转化为病斑证据单元，把症状病理知识引入上下文；B 农业多模态大模型基座作为共享推理中枢，包含视觉编码器、跨模态桥接、LLM 推理核心，采用 LoRA 与 Adapter 实现参数高效领域适配，病斑证据 token 直接进入 LLM 上下文开展联合推理；C 诊断输出与科学验证，将任务从单纯识别升级为可信诊断，输出病斑定位、病害诊断、证据解释、未知拒识、跨域泛化结果。模型采用三阶段递进训练，全程复用同一基座，而非独立模块拼接：阶段 Ⅰ 完成病斑‑语义对齐，建立视觉细节与症状语义稳定映射；阶段 Ⅱ 开展证据约束诊断推理，强制诊断结论依托可观测病斑证据；阶段 Ⅲ 实现跨域稳健与未知拒识，分离病害因果特征与场景干扰因素。配套多维度验证，覆盖跨棚室、季节、品种、设备、小样本与未知病害场景。文末附规范参考文献。无论撰写 NSFC 基金本子或是学位论文技术框架图说明的科研人员与研究生，都可以参考这套研究设计。