在水下生物检测中，经典目标检测模型由于体积大、参数量多，不适用于微小型水下硬件设备，而现有轻量化模型又难以平衡检测精度和实时性.针对这一问题，本研究提出了基于改进Mobilenet-YOLOv3的轻量级检测算法CPM-YOLOv3，该算法利用规整通道剪枝算法对Mobilenet-YOLOv3进行剪枝，并将特征提取网络中的SE（squeeze-and-excitation）模块替换成CBAM （convolutional block attention module），实现对网络模型的压缩.同时，在不同尺寸的检测层中分别加入2个CBAM，在几乎不增加模型大小的情况下提升模型关注目标特征信息的能力.实验结果表明，CPM-YOLOv3模型大小仅有4.86 MB，与原模型相比大小降低了94.7%，平均检测精度为87.0%，速度为5.1 ms/帧.相较于其他网络模型，CPM-YOLOv3更适合在微小型水下设备中应用.