这张流程图详细展示了设施蔬菜病害多模态大模型的样本复杂度分级训练方法，对应专利草案的S1至S6主流程及可选的S7扩展。左侧主训练流程自上而下依次为：S1获取并对齐多源样本（涵盖图像、环境、农事、症状及标签）；S2症状符号化（映射症状基元、关联器官与严重度）；S3计算样本复杂度（综合症状数量、鉴别分支、环境耦合及表型歧义）；S4形成分级训练子集（确定边界及由低到高的课程顺序）；S5执行阶段训练（利用当前子集监督及旧样本蒸馏更新参数）；S6输出保存模型参数与阶段追踪记录。右侧系统模块对应部分，详细拆解了样本解析、复杂度评估、课程调度、专家路由及训练引擎等模块及其数据接口。右下角的可选误诊反馈S7则补充了真实部署中的闭环机制：采集误诊病例进行专家复核，重算复杂度并触发增量训练，通过预设触发条件建立新子集或并入旧子集，并评估旧域遗忘。