本发明公开一种基于深度学习的集装箱弱小序列号目标检测识别方法，该方法对数据集通过PPOCRLabel完成半自动标注和LabelImage进行手动标注并进行Mosaic‑6数据增强获得丰富的训练样本；加入替代YOLOv5s中CSP模块的Swin‑Transformer编码器改进特征提取，引入深度可分离卷积层，提取更为充分的全局上下文特征；改进YOLOv5s中颈部网络模块的特征融合网络，并将颈部网络的Upsample层改为CARAFE，提升对微小尺度特征映射的融合能力；增加微小尺度检测头Transformer Prediction Head，引入BiFormer注意力机制层，针对性增强细粒度的细节；将损失函数CIOU LOSS换为EIOU LOSS，稳定模型的权重集。该方法增强了对于自然场景下的矩形文本框弱小目标检测识别能力，对于集装箱弱小序列号目标检测识别任务有更强的鲁棒性、准确率和效率。