该框图展示了“农艺描述怎样引导棉田图像中的病斑定位”这一融合语义与图像感知的棉花病虫害检测方法。图表逻辑分为三部分：图a展示了局部线索与整叶上下文，通过矢量图示意如何在宏观叶片中定位放大病斑；图b揭示了两种特征在检测器中的汇合机制，其中语义分支利用冻结的CLIP模型适配农艺文本并形成可学习的语义原型，图像分支则采用VGG19提取特征，并结合Swin与连续尺度融合补充上下文，最终通过原型引导注意力实现语义与像素的对齐；图c呈现了检测性能，完整方法的mAP（检测平均精度均值）高达92.5%，相较于YOLOv5s提升了3.6个百分点，相较于YOLOv8n提升了4.6个百分点。底部的核心结论指出，完整检测器的增益包含语义与视觉两条分支，需在固定视觉骨干后比较有无文本，以单独检验语义贡献。该图直观证明了引入农艺语义描述能显著增强模型对复杂田间病斑的定位精度。