该矩阵展示了“15篇论文 × 10项创新贡献：定性对照矩阵”，旨在通过定性归类梳理文献的研究侧重点。图表明确深色圆点代表主要研究贡献，浅色代表有所涉及，横杠代表非核心或摘要未说明，并强调排序不代表模型性能或专利授权。矩阵横向列出了10项创新贡献维度：病害数据、病理监督、问答推理、合成图文、跨域泛化、专家融合、知识蒸馏、梯度选择、免训练选择和低成本训练。纵向按研究类别分为两大区块：上方10行（病害方向）涵盖LeafNet、TomatoBench、PlantExpertVQA、PlantInquiryVQA、PP-CLIP、SOLAR、SMART、T-MDNN、MACH/Cross-Mamba及IF-MAF，其中前四个模型在病害数据、病理监督和问答推理上表现突出，PP-CLIP注重跨域泛化和合成图文，SOLAR关注问答推理与专家融合，T-MDNN在知识蒸馏和低成本训练上有贡献，IF-MAF则涉及专家融合、问答推理及跨域泛化；下方5行（训练算法方向）包含FROST、GeADS、GRADFILTERING、SSR（数据选择）和PRISM，这些算法普遍未在病害数据或病理监督上作为主要贡献，而是集中在梯度选择、免训练选择和低成本训练，例如FROST涉及梯度选择、合成图文及低成本训练，GRADFILTERING和PRISM则聚焦于梯度选择与免训练选择。