图表将16项研究划分为三大梯队：C系列（中文高水平期刊论文）、E系列（代表性英文文献/基准）和T系列（底层视觉/算法技术），并对应“数据/基准、病理知识、多任务问答、图文训练、生成/合成、跨域/少样本、梯度解耦、低成本选样、参数/持续更新”9类贡献维度。通过圆点的有无及颜色深浅，直观标明了每项研究的主要贡献与支撑实验，展现了不同团队在植物病害AI领域的发力点。图下方“读图要点”特别提炼了三点关键洞察：一是中文领域论文已提出“提示优化+EMA原型+多损失”，简单迁移CLIP不再具备创新性；二是标明了梯度解耦与低成本选样方向的替代路线；三是提示了潜在的研究交叉点。该矩阵帮助读者快速厘清现有研究边界，发现未被充分探索的“研究空白”。适合人工智能及智慧农业领域的硕博研究生、科研人员用于文献综述撰写与寻找课题创新突破口。