现有的基于融合的RGB-D显著物体检测方法通常采用双流结构来平衡RGB和深度（D）之间的融合。然而，深度图像的质量因场景而异，而最先进的双流方法对深度质量并不敏感，这容易导致在低质量深度图像情况下难以实现RGB和D之间的互补融合，从而导致融合效果不佳。因此，本文尝试将一种新颖的深度质量感知子网络集成到经典的双流结构中，旨在在进行选择性RGB-D融合之前评估深度质量。与最先进的双流方法相比，我们方法的主要亮点在于能够在RGB-D融合过程中降低那些低质量、无贡献甚至负贡献的深度区域的重要性，从而实现更优的RGB和D之间的互补状态。