Los recientes avances en inteligencia artificial han llevado a mejoras significativas en la detección de objetos. Los investigadores se han enfocado en mejorar el rendimiento de la detección de objetos en entornos desafiantes, ya que esto tiene el potencial de mejorar las aplicaciones prácticas. El aprendizaje profundo ha tenido éxito en la clasificación de imágenes y la detección de objetivos y tiene una amplia gama de aplicaciones, incluida la detección de vehículos. Sin embargo, los modelos de detección de objetos entrenados en imágenes de alta calidad a menudo tienen dificultades para funcionar bien en condiciones climáticas adversas, como la niebla y la lluvia. En este documento, proponemos un método mejorado de detección de vehículos utilizando clasificación del clima y un Faster R-CNN con un canal oscuro previo (DCP). El método propuesto primero clasifica el clima dentro de la imagen, preprocesa la imagen utilizando el canal oscuro previo (DCP) basado en el resultado de la clasificación, y luego realiza la detección de vehículos en la imagen preprocesada utilizando un Faster R-CNN. La efectividad del método propuesto se muestra a través de experimentos con imágenes en varias condiciones climáticas.