该图展示了设施蔬菜病害大模型（FVD-LLM）的总体技术框架，遵循“数据—知识—训练—推理—部署”的完整闭环。系统首先构建多源异构数据层，整合棚室图像/视频、环境传感IoT、农事记录及专家文本，并配有标注真值。其次是病害知识基座，基于作物/品种、栽培器官、症状表型、病原、环境诱因及防控措施构建六元组本体约束，形成约1万实体与10万关系网。核心在于三阶段领域训练：S1领域自适应继续预训练（采用LoRA低秩适配，抑制分布漂移）；S2复杂度分级课程微调（由低到高分阶段注入症状与鉴别分支）；S3专家偏好对齐（利用DPO/RLHF优化诊断报告，抑制幻觉）。随后进行证据链推理与诊断决策，通过多模态编码、层级鉴别路由收敛候选病种，结合思维链（CoT）与因果约束解码，最终输出不确定性度量并支持转人工。最后是应用与部署，输出包含置信度与依据的诊断报告及绿色防控处方，并适配于棚室盒子、巡检机器人及手机端。适合人工智能与计算机视觉领域从事多模态大模型与领域适配研究的高校研究生及算法科学家作为技术架构设计参考。