这张流程图展示了“设施蔬菜病害大模型训练方法”的完整步骤，该方法基于样本复杂度分级进行训练，包含主流程S1至S6及可选的S7环节。S1阶段获取多源样本，涵盖图像、环境农事信息及症状描述与鉴别标签；S2将样本转换为结构化症状符号，通过病害本体映射输出器官、基元、属性及严重度；S3计算样本复杂度，综合考量症状数量、鉴别分支、环境耦合与表型歧义；S4依据复杂度进行训练等级划分（D1至DK）并确定课程顺序；S5执行分阶段模型更新，利用自回归损失与蒸馏损失，并结合专家门控与LoRA适配进行高效微调；S6输出训练后的病害大模型及参数与过程记录。底部的虚线框S7为可选步骤，即误诊样本回流与增量训练触发，仅在满足预定义条件时执行，以实现模型的持续演进。适合人工智能与智慧农业领域从事大模型微调及持续学习研究的高校研究生与算法工程师作为方法流程参考。