现有植物疾病分类模型在实验室内表现良好，但在野外图像分类方面性能下降。为解决此问题，提出了一个包含多种疾病类别和文本描述的野外多模态植物疾病识别数据集，并设计了一个强大的基准模型，能有效解决小类别间差异和大类内变差问题。该模型不仅能分类疾病，还能在少样本或无训练情况下识别疾病。基准测试结果显示，该数据集给植物疾病识别任务带来了新挑战，有改进空间。