Con el desarrollo de la tecnología de vehículos aéreos no tripulados (UAV), el aprendizaje profundo se está utilizando cada vez más en la detección de objetos en imágenes aéreas de UAV; sin embargo, detectar e identificar objetos pequeños en escenas de baja iluminación sigue siendo un gran desafío. Con el objetivo de abordar el problema de baja luminosidad, alto ruido y detalles poco claros en imágenes de baja iluminación, se propone un algoritmo de detección de objetos, LI-YOLO (Low-Illumination You Only Look Once), para imágenes aéreas de UAV en escenas de baja iluminación. Específicamente, en la sección de extracción de características, este documento propone un bloque de mejora de características (FEB) para realizar un campo receptivo global y aprendizaje de información contextual a través de operaciones ligeras y lo incorpora en el módulo C2f al final de la red de respaldo para aliviar los problemas de alto ruido y desenfoque de detalles causados por la baja iluminación con muy pocos costos de parámetros. En la parte de fusión de características, con el objetivo de mejorar el rendimiento de detección de objetos pequeños en imágenes aéreas de UAV, se añade una red de fusión de características superficiales y una cabeza de detección de objetos pequeños. Además, también se introduce la estructura de fusión de características espaciales adaptativas (ASFF), que fusiona de manera adaptativa la información de diferentes niveles de mapas de características al optimizar la estrategia de fusión de características, de modo que la red pueda identificar y localizar con mayor precisión objetos de diversas escalas. Los resultados experimentales muestran que el mAP50 de LI-YOLO alcanza el 76.6% en el conjunto de datos DroneVehicle y el 90.8% en el conjunto de datos LLVIP. En comparación con otros algoritmos actuales, LI-YOLO mejora el mAP 50 en un 3.1% en el conjunto de datos DroneVehicle y en un 6.9% en el conjunto de datos LLVIP. Los resultados experimentales muestran que el algoritmo propuesto puede mejorar efectivamente el rendimiento de detección de objetos en escenas de baja iluminación.