该框图展示了一种面向设施蔬菜病害的大模型复杂度分级增量训练方法与系统的拟申请专利技术方案，整体分为左侧训练流程、右侧权利要求布局及底部技术效果三部分。左侧训练流程按S1至S6六个步骤递进：S1构建多源病害样本与指令集；S2将症状-结论进行结构化符号化；S3创新提出样本复杂度度量公式（综合症状、鉴别分支、环境耦合及歧义度）；S4按复杂度分级切分并确定课程顺序；S5执行分阶段训练与专家路由蒸馏，结合自回归损失、路由蒸馏损失及参数隔离以抵抗灾难性遗忘；S6输出模型并支持在线增量，无需全量重训。右侧权利要求布局明确了权1的训练方法（独立权项）、权2-5的从属要求（度量要素、课程顺序、专家路由等）、权6的训练系统（独立权项）及权7-8的电子设备与存储介质。底部总结了该方案的技术效果，如提升细粒度诊断准确率、降低灾难性遗忘与训练成本、增强决策可追溯性。