自动巡航船舶除漆机器人目标检测受外部干扰时，存在算法检测精度下降、难以达到实时性要求等问题。为了解决这些问题，首先将重参深度可分离移动网络模块（Repvit-MobileNet block）引入到YOLOV5的主干网络中，提高检测速度。然后在骨干网络每个阶段后增加位置注意力机制，扩大模型的全局感受野，提升模型的目标定位及抗干扰能力。其次将卷积块注意力模块（CBMA）引入到颈部网络中，通过融合CBMA模块增强特征提取能力，提高网络模型的检测性能。最后，提出了一种Refine-Loss损失函数，通过优化预测框和真实框的几何关系、兼顾IOU的权重和置信度信息，提高对机器人目标位置的检测精度。在船舶机器人实验数据集中测试与验证，结果表明融合Repvit-MobileNet block与注意力机制的YOLOV5轻量化网络平均检测精度达到84.1%，在边缘设备上的推理运算速度达到26.6 FPS，满足对船舶除漆机器人目标检测的工业应用需求。
