本研究提出了一种多尺度跨模态融合网络（MSFNet-CPD），旨在提高农业害虫识别的准确性。该方法结合视觉和文本特征，并构建了两个新数据集（CTIP102和STIP102）。实验结果表明，MSFNet-CPD在多个检测基准上优于现有技术，展现出良好的应用潜力。