水下光学图像存在色差、对比度低、目标模糊等现象，导致水下目标检测中存在漏检和误检问题。针对上述问题，提出了一种基于通道注意和特征融合的水下目标检测算法。基于信道注意，设计了激励残差模块，自适应地分配前向传播特征信息的权重，以突出不同信道特征图像的重要性，提高网络对水下图像高频信息的提取能力。设计了多尺度特征融合模块，增加了大尺度特征图用于目标检测。利用相应的小尺度特征图提高网络对小尺度目标的检测性能，为了提高网络对水下环境的泛化性能，设计了一种基于拼接和融合的数据增强方法，模拟水下目标的重叠、遮挡和模糊性，从而提高网络对水下环境的适应性。通过在URPC上的实验，与YOLOv3、YOLOv4和YOLO-v5相比，该算法的平均精度分别提高了5.42%、3.20%和0.9%，有效地改善了水下复杂环境中不同大小目标的漏检和误检问题。