该图展示了植物病害诊断的三种训练设计（沿“研究与训练材料—学习信号与更新对象—部署时的输出”展开）：LLMI-CDP（2025）利用病虫害图像与诊断问答，通过Q-Former连接视觉与语言表征并更新双侧LoRA，部署时输出图文识别与建议；BLAP（2026）基于少样本叶片图像与文本提示，冻结主干网络，仅更新LoRA及金字塔/自适应视觉提示融合模块，实现结构化诊断（识别作物病害并生成症状描述）；MTL-AWL（2026）输入病叶图像与视觉语言模型生成的描述，训练时随机遮蔽文本以将文本监督保留在视觉表征中，联合优化图文对齐等损失，部署时跳过文本编码直接输出病害类别。该内容适用于从事农业AI视觉与多模态算法研发的工程师、专注大模型参数高效微调的研究者、智慧农业领域的科研人员、计算机视觉方向的研究生以及农业信息化产品经理等相关从业者。