图 3 为合成样本筛选，主题是哪些合成病斑值得用于训练，从原稿仅有 650 张图像的番茄黑斑病入手，检验哪些筛选条件能改善真实样本上的识别。候选合成图分为两类：病斑落在指定区域内，以及病斑偏出指定区域，图中虚线为指定区域、棕色为病斑。筛选设置两项条件：空间一致性考察病斑与指定掩膜的重合度，症状一致性考察局部纹理与症状描述的匹配度。随后按病种筛选或降权，在真实训练样本上校准门槛，依据两项得分调整样本权重，并用筛选结果训练视觉语言模型。关键对照在相同样本预算下，比较随机等量取样、单条件筛选、双条件筛选三种方式，排除样本数量差异的干扰；验证指标在真实测试图像上分别报告少数类的召回率和平均精度，重点关注稀缺病种是否被有效检出。整体思路是不盲目使用全部合成病斑，而是用空间位置与症状纹理双重条件打分，把高质量合成样本留下、低质量样本降权，在小样本真实数据约束下提升识别效果。