一种基于声-图多模态融合的鸟类识别方法及装置

本发明公开了一种基于声‑图多模态融合的鸟类识别方法，该鸟类识别方法步骤如下：S1、鸟类音频信号标准化帧级预处理；S2、声学特征提取及增强，获得突出包含鸟鸣判别信息及抑制环境噪声的声学高层特征向量；S3、视觉图像标准化预处理；S4、视觉特征提取与多尺度融合获得增强对鸟类关键形态区域的相应并抑制背景干扰的视觉高层特征向量；S5、决策层动态加权融获得鸟类存在概率；S6、将鸟类存在概率与相应鸟类的预设阈值相比较，判断是否有鸟类存在以及存在鸟类的种类。本发明通过跨模态特征增强与自适应融合，显著提升了复杂果园环境下鸟类识别的精度、鲁棒性与实时性，为绿色智能驱鸟提供了核心技术支撑。