为解决船舶目标检测算法参数量与计算量大，以及受内河环境下近岸复杂背景影响和船舶相互遮挡导致船舶检测困难的问题，基于YOLOv7-tiny做出改进，提出MED-YOLO船舶目标检测轻量化算法。首先，使用MobileNetV3网络作为主干特征提取网络，极大地降低了模型计算成本；其次，将EMA注意力模块引入颈部网络，构建EMA-ELAN模块，增强网络多维度感知和多尺度特征提取能力；然后，选用将尺度感知、空间感知和任务感知三合一的Dyhead作为改进模型的检测头部，以获得更强的特征表达能力；最后，使用具有动态非单调聚焦机制的WIoU作为模型边界框损失函数，提高模型应对船舶遮挡的能力，提升检测性能。实验结果表明，MED-YOLO相较YOLOv7-tiny在参数量与计算量方面分别减少39.8%和55.0%,精度与mAP@0.5分别提高了1.4%和1.0%,达到98.3%和98.9%,在实现轻量化的同时具有更好的检测性能，满足了计算资源受限环境下的部署需求，具有一定的工程实际意义。