针对现有细粒度鸟类目标识别算法准确率不高的问题，提出一种鸟类目标检测算法YOLOv5-Bird。首先，在YOLOv5主干网络中引入基于混合域的坐标注意力（CA）机制，增大有价值的通道权重，以区分目标特征和背景中的冗余特征；其次，在原始主干网络中采用双层路由注意力（BRA）模块替换原网络中的部分C3模块，过滤低相关度的键值对信息，获得高效的长距离依赖关系；最后，使用WIoU（Wise-Intersection over Union）损失函数，增强算法对目标的定位能力。实验结果表明，YOLOv5-Bird在自建数据集上取得了82.8%的精确率和77.0%的召回率，比YOLOv5算法分别提高4.3和7.6个百分点，也优于增加其他注意力机制的算法。验证了YOLOv5-Bird在鸟类目标检测场景中具有较好的性能。
