该流程图展示了“方案C：工程落地方向”下的跨棚室/跨季节低资源持续微调与抗遗忘训练框架，旨在解决增量病害样本进入后“新类学会、旧类忘记”及计算资源受限的具体工程问题。框架分为上下两层。上层为训练流程，从已有病害视觉语言模型的源域模型To（温室A/季节1基线参数）出发，引入新域数据D1（温室B/季节2小样本，含标签噪声与分布变化），经课程与回放池挑选边界/易混淆难例并保留旧类别原型样本，最终通过模块级LoRA门控实现参数高效适配，兼顾新域学习与旧域知识。下层为可专利化的训练控制环，强调定义触发—更新—回退规则而非单纯使用蒸馏和LoRA：通过症状特征漂移与环境分布漂移进行漂移检测；采用旧类原型蒸馏与新域监督损失进行分组蒸馏；依据漂移和病类启用子模块选择适配器以保留基础参数、减少显存；最后设置安全回退机制，当旧域性能低于阈值时回滚，并输出新旧域指标与追溯记录。适合人工智能领域从事持续学习与参数高效微调研究的高校研究生及算法工程师作为方案设计参考。