这张图聚焦“植物病害/视觉语言模型训练研究”中的“黄瓜病害识别”，核心探讨了ITLMLP模型如何将三种训练信号汇入同一表征。图中左侧列出三类信号源：一是图像与文本，图文配对提供跨模态对比信号；二是图像自身，通过不同视图提供自监督对比信号；三是病害标签，利用类别信息约束样本之间的距离。这三路信号最终汇聚，用于学习共同的图像—文本—标签空间，综合这三种信号来表示黄瓜病叶，并依据学到的表征识别病害类别。图下方展示了报告的实验数据：准确率94.84%，精确率95.08%，召回率94.83%，F1为94.81%，该数据来源于原论文摘要。适用于研究农业视觉语言模型多模态特征融合与小样本病害识别的科研人员和算法工程师。