一种轻量高效的多模态数据融合方法

本发明涉及图像融合技术领域，且公开了一种轻量高效的多模态数据融合方法。该方法采用改进的MobileNetV3‑Small网络作为基础特征提取器，通过结构重参数化技术优化训练阶段的并行分支设计，并在推理阶段合并为单一卷积，显著降低计算成本；引入ResNet50作为教师模型，通过温度缩放生成软标签，结合KL散度损失和余弦特征对齐损失指导学生模型，实现轻量化网络的高精度特征提取；设计动态权重融合机制，融合显微荧光与微流控荧光图像特征，平衡多模态信息贡献；针对不同模态图像特点，分别采用引导滤波、CLAHE对比度增强、时序差分去伪影等预处理方法，强化有效信号。该算法在保证病原体检测精度的同时，降低模型参数量为畜禽疫病筛查提供高效、可嵌入式部署的解决方案。