El cannabis es una planta estrictamente regulada en China, y su cultivo ilegal presenta desafíos significativos para la gobernanza social. Los métodos tradicionales de patrullaje manual sufren de baja eficiencia de cobertura, mientras que las imágenes satelitales tienen dificultades para identificar plantaciones ilícitas debido a su limitada resolución espacial, particularmente para cultivos distribuidos de manera dispersa y ocultos. La tecnología de teledetección con UAV, con su alta resolución y movilidad, ofrece una solución prometedora para el monitoreo del cannabis. Sin embargo, los métodos de detección existentes aún enfrentan desafíos en términos de precisión y robustez, particularmente debido a las variaciones en las escalas de los objetivos, la oclusión severa y la interferencia del fondo. En este artículo, proponemos AMS-YOLO, un modelo de detección de cannabis adaptado para imágenes de UAV. El modelo incorpora una red de backbone asimétrica para mejorar la percepción de texturas al dirigir el enfoque del modelo hacia la información direccional. Además, presenta una estructura de cuello de fusión multiescalar, incorporando mecanismos de convolución parcial para mejorar efectivamente la detección de cannabis en escenarios de pequeños objetivos y fondos complejos. Para evaluar el rendimiento del modelo, construimos un conjunto de datos de teledetección de cannabis que consta de 1972 imágenes. Los resultados experimentales muestran que AMS-YOLO logra un mAP del 90.7% mientras mantiene una velocidad de inferencia eficiente, superando a los algoritmos de detección de última generación existentes. Este método demuestra una fuerte adaptabilidad y practicidad en entornos complejos, ofreciendo un sólido soporte técnico para el monitoreo del cultivo ilegal de cannabis.