本发明公开了一种基于改进的YOLO‑v5算法的飞鸟检测方法，包括以下步骤：S1，引入轻量级C3Ghost和Ghost模块提高遥感图像中小目标检测的精度，添加CBAM模块提高特征表达性能，使用CIoU_Loss损失函数作为边界盒回归损失提高算法的检测精度，训练出基于深度学习的飞鸟检测模型；S2，选择具有不同类型飞鸟的图像，构建飞鸟数据集，并对飞鸟数据集进行重建；S3，将重建的数据集按8:1:1的比例分成训练集、验证集和测试集；并将匪类后的数据集加入到飞鸟检测模型中进行模型训练；S4，设定测量指标对飞鸟检测模型进行性能验证。本发明通过将CBAM模块加入于YOLO‑v5的主干网络中，以突出用于飞鸟检测的有用信息，并抑制无用信息，从而提高图像信息处理的效率和准确性。