1.一种基于YOLOv5的水下目标检测方法，其特征在于：包括如下步骤：

步骤S1、获取水下目标的初始数据集：所述初始数据集是利用标记软件对获取的水下图像进行标记，将图像中的各种目标用的方框标记出来；

步骤S2、对初始数据集进行增强，用以增加初始数据集的数量，得到扩充数据集；

步骤S3、YOLOv5模型的主干特征提取网络中C3模块引入CA模块，用以提高YOLOv5模型对水下模糊目标的检测性能，在主干特征提取网络中C3模块的输出端添加SE注意力模块，用以提高YOLOv5模型对图像中模糊物体的检测精度；其中，YOLOv5模型的主干特征提取网络中C3模块引入CA模块的方式为：将一个CA模块加入到C3‑True模块的主干分支中的卷积模块和bottleneck模块之间，用以提高模型对浅层特征的提取能力；

步骤S4、将扩充数据集输入到YOLOv5模型主干特征提取网络，获得特征图，SE注意力模块的输出特征图输入到颈部网络中进行特征融合，利用特征金字塔网络和路径聚合网络，对所述特征图通过双向融合将低级的空间特征与高级的语义特征进行融合，将融合后的特征图输入到YOLOv5模型的检测网络中；

步骤S5、YOLOv5模型检测网络中的基于无锚盒的检测框对输入的融合后的特征图进行处理，将检测到的目标的种类、位置和置信度在输入图片中标识出来；

步骤S6、将扩充数据集输入到YOLOv5模型中，设置相应的训练次数，随着训练次数的增加，YOLOv5模型的损失函数曲线逐渐收敛，当损失函数曲线收敛并稳定时，YOLOv5模型训练到最优，并生成相应的权重文件；

步骤S7、将训练好的权重文件下载到YOLOv5模型中对实际的水下图像进行检测，将检测出的种类、位置、置信度信息在图片中加以标注，并输出相关文件。

2.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S1中采用LabelImg程序对获取的水下图像进行标注，将其格式修改为YOLO格式，应用于YOLOv5模型的训练中。

3.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S2中采用镜像翻转的方式对初始数据集进行增强，具体过程为：分别设置左右上下方向镜像、左右方向镜像、上下方向镜像的处理方式，每设置一次翻转方式，对初始数据集进行一次处理，最终得到扩充数据集，扩充数据集在数量上是初始数据集的3倍。

4.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S3中YOLOv5模型的主干特征提取网络中C3模块引入CA模块的方式为：利用CA模块代替C3‑False模块的主干分支中的bottleneck模块。

5.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S4中在颈部网络中输出三种类型的特征图，分别对应于图像中大、中、小目标的检测，将三种特征输入到检测网络中用以实际检测。

6.根据权利要求5所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S5中YOLOv5模型的检测网络由三个检测层组成，其输出为维度分别为80×80、40×40和20×20的特征图，用于对图像中的大、中、小目标进行检测。

7.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S6中扩充数据集包括训练集、验证集和测试集，所述训练集、验证集和测试集的比例为8：1：

1。

8.根据权利要求1所述的一种基于YOLOv5的水下目标检测方法，其特征在于：所述步骤S6中的损失函数为CIOU损失函数，具体的计算公式为：LCIOU＝1‑CIOU，

2 gt

其中ρ (b,b )表示预测框中心坐标与真实框中心坐标的欧氏距离，c表示两边框外接矩形对角线长度，αv表示引入的真实框与预测框长宽比因子。