Aiming atacar el problema de extracción de características insuficiente, baja precisión y recall en la detección de barcos en la superficie del mar, se propone un algoritmo YOLOv5 basado en convolución ligera y mecanismo de atención. Combinamos el módulo de mejora del campo receptivo (REF) con el módulo de agrupación rápida de pirámide espacial para retener información semántica más rica y expandir el campo sensorial. Se añade el módulo de cuello delgado basado en una convolución ligera (GSConv) a la sección del cuello, para lograr una mayor eficiencia computacional del detector. Y, para mejorar el rendimiento del modelo y centrarse en la información posicional, se añadió el mecanismo de atención de coordenadas. Finalmente, la función de pérdida CIoU se reemplaza por SIoU. Los resultados experimentales utilizando el conjunto de datos seaShips muestran que en comparación con el algoritmo YOLOv5 original, el algoritmo YOLOv5 mejorado tiene ciertas mejoras en los índices de evaluación del modelo, mientras que el número de parámetros en el modelo no aumenta significativamente, y la velocidad de detección también cumple con los requisitos de detección de barcos en la superficie del mar.