该流程展示了“病斑视觉语言训练”中的四种核心机制与梯度路径，区分了判别式VLM、区域文本目标检测器、生成式MLLM与推理异构轻量模型：PD-CLIP（判别式VLM）强调细粒度域适配，路径从UBS病害合成经图文预训练、双流病害表征到复合真实域适配，其边界在于零样本诊断不等同于语言生成；AgriMM（多模态检测器）聚焦区域级语义对齐，通过混合卷积注意骨干与多尺度视觉语言融合实现自适应区域文本对比，但其目标检测与生成式问答任务不同；双侧协同LoRA（生成式多模态）主打梯度回传路径，在Qwen2.5-VL主干上同时加入视觉与语言侧LoRA，实现自回归文本损失回传，核心是全链路梯度参与视觉微调；MTL-AWL（轻量判别模型）侧重训练异构与损失权重，采用模态丢弃训练与可学习多任务损失，部署时文本分支退出以保持图像单模态推理。每项研究均给出了可供对照的强基线建议。总体而言，该图系统梳理了不同架构下病害视觉语言模型的数据路径与训练范式。无论你是研究多模态大模型架构与微调的科研人员、探索高效训练与部署方案的算法工程师，还是致力于将AI视觉技术落地农业场景的开发者，都能从中获取清晰的设计参考。