为了克服驱鸟器易被鸟类适应的缺点以及解决基于视觉图像的目标检测算法受天气条件制约的问题,根据毫米波雷达的特性,提出了一种基于雷达点云与视觉图像融合的探鸟驱鸟方法.首先运用均值拟合实现雷达-相机坐标融合,并利用视觉和场景增强技术创建了囊括多种气象环境的鸟类点云-图像融合数据集;然后提出一种将雷达点云注意力机制与深度学习识别网络YOLO相结合的鸟类识别模型,实现决策层融合;最后,结合三帧差分算法构建基于3F-GIoU的驱鸟器智能启停策略,判断是否有鸟类停留在目标区域,使其适合于轮廓小、速度快的目标行为识别.实验结果表明,所提的鸟类识别方法能够满足实际应用场景中鸟类识别的鲁棒性和准确性,不同天气条件下平均识别准确度为91.21％;所提的3F-GIoU策略能够有效识别鸟类存在危害线路、杆塔的活动.