随城市规模扩大，河道岸线不断遭到侵占，河道过流能力和水环境均遭受严重破坏，对于复杂河道急需高效监管方法。本文采用无人机获取河道及两岸影像，使用生成对抗网络进行数据增强，基于YOLOv5深度学习算法和坐标转换的定位算法，对五种典型河道异物进行识别与定位。其中目标识别算法在主干网络引入注意力机制，同时采用EIOU-Focal　Loss作为模型损失函数，以提升模型的检测精度与收敛速度。结果表明经过数据增强后，模型识别的平均精度均值（m　AP）最高提升了9.9%。消融实验的结果表明综合改进后的模型具有最高的检测精度，m　AP最高达到0.96，较原始模型提升11.6%。定位结果表明算法目标物实际平均误差不超过3　m，具有较高精度。本文利用改进后模型对福建地区闽江河段的无人机影像进行了检测识别，改进后模型对目标物检测具有更高准确性，为相关研究提供参考。