摘要：目的:研究增进眼底图像视盘检测精度和速度的方法,以提高眼底图像视盘检测精度和速度。方法:设计一种基于YOLOv5网络模型的端到端视盘定位方法,在特征提取网络的输出中舍弃8倍的下采样通道,保留32倍和16倍的下采样通道;运用公共眼底数据库Messidor和Kaggle对YOLOv5网络模型进行200个epoch的训练,并使用该方法对890张眼底图像进行测试。结果:YOLOv5网络模型定位方法在数据集Messidor、DiaretdB0(DB0)和DiaretdB1(DB1)中视盘定位准确率为100%;在深度学习计算平台Stare、Kaggle和Drive数据集上的视盘定位准确率分别为95.06%、97.5%和99.33%。平均定位时间为0.005 s。结论:在数据测试集中的测试结果中,基于YOLOv5网络模型的端到端眼底视盘定位方法在正常眼底图像和病变视网膜眼底图像中都能快速、准确地定位视盘,具有较好的适用性和鲁棒性。