核心观点是同一张图像可以支持不同难度的问题，作者将健康判断、可见症状与病因推理组织成了分层问答。流程分为四个步骤。首先是输入阶段，整合了45个开放图像来源，依据作物和病害整理知识卡，并进行图像级的训练与测试集划分。其次是构造监督，设计了三个层次的问题：基础层关注作物与健康状态；分析层关注可见属性与核验；推理层涉及病名、病因或反事实。第三步是参数训练与使用，采用小样本领域微调，用模板生成后改写问法并审核，抽取500张图、2337条问答，使用LoRA适配Qwen3-VL-2B模型。最后是输出与验证，比较零样本与微调后的问答结果，以专家参考回答为对照，报告多种文本匹配指标。下方的实证数据显示：完整语料的问答对数为765,186；Qwen3-VL-2B的零样本ROUGE-L得分为14.54，微调后提升至61.70。实验支持了结构化病害问答可用于小模型领域适配的结论。