针对同一植株存在多种病斑时分离病斑证据与相互干扰的问题。主流程分为四个环节：第一环节为真实共感染图像，由专家逐病斑复核建立数据基础；第二环节为病斑实例编码，建立区域与类别的对应关系；第三环节为混合症状分离，抑制类别串扰；第四环节为多标签预测，输出区域级诊断结果。关键训练模块包含三项：区域 — 疾病配对损失保证同图多病害不混淆，病斑之间的干扰抑制避免一个症状替代另一个，真实共感染验证集用于区分模拟叠加与自然共感染。核心创新为局部病斑归因、共感染串扰约束与多标签联合训练三者结合。方案特别指出需补采同株多病害真实数据，不能用简单图像拼贴冒充自然共感染。整体思路是在一株多病的复杂情形下把各自病斑证据拆开，让模型分别识别而非相互掩盖，适用人群：可供从事复合病害识别与多标签实例解耦研究的研究者和工程实践者参考借鉴。