摘要:针对水下光学图像目标检测中图像背景复杂、各尺度目标共存且分布广泛的问题,本文提出一种水下目标检测算法MEAS-YOLO。首先,采用Mosaic和Mixup算法实现训练样本数据增强,提高模型的泛化能力;其次,将高效多尺度注意力机制EMA与YOLOv5网络中的骨干层融合,提高模型的特征提取能力;同时,引入自适应空间特征融合ASFF结构,使模型充分融合不同尺度的特征。最后采用SIoU损失函数,进一步提高检测精度。实验结果表明,本模型在全国水下机器人大赛URPC2020数据集上mAP达到86.4%,较改进前提升2.1%。本算法具有较高检测精度和小模型参量,可为水下目标高效检测提供技术支撑。