Para abordar os problemas de enfraquecimento das características intra-modais e da baixa eficiência na interação entre modalidades na detecção de alvos multiespectrais com drones, propomos um método de detecção de alvos que integra o aumento monocódigo de fluxo duplo e a interação de características entre modalidades. Projetamos um módulo de transformação wavelet baseado em convolução separável em profundidade para extrair e aprimorar os detalhes de alta frequência dos mapas de características, fortalecendo a capacidade do ramo de luz visível para extrair detalhes de textura. Propomos um módulo de fusão de informação global em múltiplas escalas que utiliza a integração de características multicamadas e a extração de informação global para reforçar a capacidade do ramo infravermelho na detecção de objetos térmicos. Construímos um módulo híbrido de fusão de autoatenção multimodal que orienta adaptativamente a interação das características dos modos visível e infravermelho, explorando plenamente a complementaridade espectral. Os resultados experimentais mostram que o método alcança mAP@0.50 de 86,7% e 86,0% nos conjuntos de dados multiespectrais DVTOD e DroneVehicle, respectivamente, melhorando o modelo base em 1,3% e 1,9%, melhorando efetivamente o desempenho da detecção de alvos multiespectrais por drones.

drone; detecção multiespectral de alvos; multimodal; transformação wavelet; autoatenção híbrida