1.一种基于图像处理的树梢检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像处理的树梢检测方法，其特征在于，所述得到重建后图像集之后，还包括：
3.根据权利要求2所述的基于图像处理的树梢检测方法，其特征在于，所述构建待训练tood-spc模型，包括：
4.根据权利要求1所述的基于图像处理的树梢检测方法，其特征在于，所述对所述待重建图像集进行超分辨率重建，得到重建后图像集，包括：
5.根据权利要求2所述的基于图像处理的树梢检测方法，其特征在于，所述使用所述训练参数和所述训练图像集对所述待训练tood-spc模型进行训练，得到已训练tood-spc模型，包括：
6.根据权利要求5所述的基于图像处理的树梢检测方法，其特征在于，所述根据所述ciou损失函数值和分类结果判断训练中的tood-spc模型的性能是否符合标准，包括：
7.根据权利要求6所述的基于图像处理的树梢检测方法，其特征在于，所述对所述已训练tood-spc模型进行切片辅助微调，得到所述tood-spcs模型，包括：
8.根据权利要求1所述的基于图像处理的树梢检测方法，其特征在于，所述使用tood-spcs模型对所述测试图像集进行树梢检测，在树梢检测的同时进行切片辅助推理，得到树梢检测结果，包括：
9.一种电子设备，其特征在于，包括：
10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-8中任一项所述的基于图像处理的树梢检测方法。