在本研究中，我们提出了一种基于编码器-解码器的双解码器分支卷积神经网络来检测杂草生长点。
该解码器融合了空间注意力和通道注意力，并采用了一种新的激活门机制来控制注意力。
我们还提出了一种简单而有效的策略来组合解码器分支的输出。在包含不同杂草生长阶段的野外数据集上对该方法进行了测试，并与基于点度量的最新方法进行了比较。
结果表明，该方法优于现有方法，检测率为0.8505，精度为0.8641，漏检率为0.1391,RMSE为22.68,MAE为17.95。实现代码可以访问https://github.com/dewamsa/WGPdetection.git。