针对小型水域漂浮物识别困难问题，提出一种基于深度学习的目标识别方法，本文采用改进的YOLOv5s目标识别算法识别水面漂浮物。首先，根据水面漂浮物形状的特点，采用改进K-means算法，对先验框重新聚类，其次加入SE注意力机制模块，然后将α-IOU应用于YOLOv5s网络上。实验结果表明，对比标准的YOLOv5s算法，改进的YOLOv5s算法在查准率和平均精度均值方面分别提升了2%和4%,验证了算法的有效性，该方法能克服水面环境的影响，有效识别水面的漂浮物。