该图聚焦病斑视觉证据、跨域与区域对齐，对比了四种模型机制：PD-CLIP利用UE5仿真生成的细粒度图文对进行对比预训练与LoRA微调，通过全局/局部双流及复合域适配（傅里叶域扰动、极小化等）实现从模拟到真实的域泛化；DLCAF强调全局描述与局部病斑一致性，通过全图语义与专家局部特征对齐进行叶级诊断，后端接LLM决策但非端到端训练；AgriMM构建多尺度病斑区域与文本检测网络（HCACB、CVL-PAN），实现区域—文本自适应对齐并输出目标框；葡萄全局—局部VLM采用LAB显著性裁剪获取局部视图，双图输入LLaVA-1.5结合4-bit QLoRA进行高效微调，最终输出诊断与交叉注意力热图。该内容适用于从事农业视觉-语言模型（VLM）跨域泛化研究的算法工程师、专注多尺度特征对齐与目标检测的科研人员、智慧农业技术专家、计算机视觉研究生及农业信息化产品经理。