框架先从数据准备入手，一方面构建确证样本，收集病害、缺素、药害或热害样本，由专家判定，必要时补充检测证据；另一方面开展鉴别证据标注，记录区域、叶位、叶脉与症状分布，并标注支持、反驳及缺失证据。在此基础上提出候选核心机制，即同表型异病因配对与证据缺失监督：对外观相似但病因不同的样本构造困难配对，联合优化类别区分与鉴别证据，证据不足时保留不确定性。随后进入多模态训练阶段，将图像与实际可得的背景信息结合，更新诊断模型，输出候选原因与鉴别依据，不把单张图像当作病原确证。训练成果分别走向论文验证与专利落点两条路径：论文验证以单标签分类与常规对比学习为基线，重点考察相似症状混淆、非病害误报与拒识问题；专利落点聚焦鉴别配对、证据状态与监督规则，以及证据缺失时训练目标的切换流程。图末说明这是拟研究框架，机制与效果需通过实验验证，不表示已具备专利新颖性。适用人群：植保研究者、农业 AI 研发人员及相关专业学生均可参考。