该图对植物病害多模态模型的六篇代表性论文进行了机制解构，以实线串联技术流程，直观呈现了各研究的核心创新与边界。图中展示了六种典型技术路线：LeafNet聚焦数据与评价基准，构建多模态病害知识与六任务测评；TomaMMU进行任务层级设计，形成“感知→病理理解→专家诊断”的基准；PlantExpertVQA侧重知识与监督构建，打通多源图像、结构化知识、专家审核QA与VLM微调；PD-CLIP致力于合成-真实迁移，利用UE5合成图文与双流编码实现零样本细粒度诊断；SMART采用结构化语义描述与检索邻域信息，强化长尾诊断；SOLAR探索生成式多任务训练，通过视觉表征与专家融合MoE处理多类问答。图底特别提示，六篇论文偏重不同（基准、知识、迁移、检索等），不可直接跨任务对比精度。各卡片还标注了“创新边界”，如“普通合成图文+LoRA已被研究”、“不能把RAG+知识库当训练创新”。该图逻辑清晰，是一份精准的技术路线对比图。不管是寻找选题的研究生、优化算法架构的工程师，还是探索多模态AI农业落地的交叉学科专家，都能借此快速对标，找准差异化创新的切入点。