【摘要】为解决目前日本鳀限额捕捞与分类统计不准确的问题，本文提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中，通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰，以提高模型检测精度和实时检测效率。采用实际拍摄的日本鳀作业视频，将视频转化为图片格式实现前期标注和处理，对获得的5550幅图像按照8:1:1划分训练集、验证集和测试集，并设置对照实验，将YOLOv5主干网络替换为MobileNetV2，并引进SENet注意力机制，分别通过四种模型进行对比，结果表明，该识别算法获得平均精度均值(mAP)为99.4%、精度为98.9%、召回率为99.1%，相比原模型分别提高了2.5%、3.7%和2.9%。研究结果可以为日本鳀围网作业的目标识别提供新的思路，同时也为渔获作业统计提供了一种辅助手段。