【摘要】本研究对现有的检测模型存在的精度不足、检测速度慢的问题，提出一种基于 YOLOv5s 和注意力机制的融合检测算法。首先，利用 K-means 算法对采集到的数据集进行聚类，获得多组锚框；然后，对 YOLOv5s 网络结构进行改进，在其中融入 CA 注意力模块，让其能更准确定位所需检测目标，加快了识别过程中特征提取的速度；针对小型识别样本，利用 Focal loss 损失函数，提高网络的收敛速度与检测精度。最后，经过实验表明，改进后的 YOLOv5s 以原网络更小的参数量提高了精确度，同时，速度比原始网络更加快速，提高了巡检机器人仪表检测的效率。