一种基于多模态特征的无人机松材线虫病害检测方法

本发明涉及一种基于多模态特征的无人机松材线虫病害检测方法，通过构建图像‑文本多模态数据集以提供先验语义知识；采用植被指数阈值掩模滤波（VTMF）增强光谱差异并抑制噪声；利用融合小波变换与KAN注意力的W‑KAN模块进行频域去噪与特征保留；通过四域扩散图卷积残差注意力模块（Q‑DGCRAB）建模长距离空间依赖关系；引入疫情语义增强检测模块（ESADM）实现文本‑视觉特征融合；并采用森林守护者协同优化算法（FGA‑CE）动态优化训练过程；本发明解决了高空无人机影像中背景复杂、纹理重复、噪声显著及语义信息不足导致的松材线虫病害检测精度低问题，显著提升了复杂林分环境下松材线虫病的检测精度与鲁棒性，实现对松材线虫病害早期精准、实时监测。