一种一阶段多模态的恶劣天气果实检测方法

本发明公开了一种一阶段多模态的恶劣天气果实检测方法，通过构建一个完整的卷积神经网络框架解决恶劣天气果实检测时实时性低、泛化性差等问题，首先对图像进行多尺度编码并构建多尺度感受野，保证检测方法能检测农业场景中不同尺寸的目标，并且在多尺度上编码恶劣天气特征，设计多模态特征融合模块，通过注意力机制利用点云来突出图像特征中果实相关的部分，在特征融合后，通过设计专用于恶劣天气的解码器在局部和全剧探索低能见度下目标的特征并自适应调整模型更加关注目标特征；不需要对图像进行前处理即可进行准确检测，减少了训练的时间和繁琐的步骤，在精度和速度方面达到了较好的结果，为恶劣天气农业场景果实检测提供一个可靠的方案。