针对依赖光学图像对水面漂浮物识别的方法存在易受光照影响以及对油膜识别困难的问题，提出了一种基于毫米波雷达结合深度学习模型的水面漂浮物识别方法。完成了室内水面场景以及户外湖面水面漂浮物的数据采集。通过引入多个深度学习模型，对比发现：二阶卷积神经网络（ＣＮＮ）模型结合时域图的性能最为优异，识别准确率为９７． ６８ ％ 。针对二阶ＣＮＮ 模型存在卷积层数少的问题，将注意力机制和批归一化层引入模型，提出一种命名为ＡｔｔｅｎｔｉｏｎＣＮＮ＿ｂｎ 的融合算法模型。对比ＡｔｔｅｎｔｉｏｎＣＮＮ＿ｂｎ模型和ＣＮＮ 模型，结果表明：时域图结合ＡｔｔｅｎｔｉｏｎＣＮＮ＿ｂｎ 模型为最佳识别方案，识别准确率为９８． ３９ ％ 。该方案对油膜识别的准确率为９８． ７５ ％ ，相较于图像识别存在对油膜识别困难的问题，毫米波雷达可对油膜实现精准识别且不受光照条件影响