Durante el vuelo, los compartimentos de carga de las aeronaves se encuentran en un estado confinado. Si se produce un incendio, afectará seriamente la seguridad del vuelo. Por lo tanto, los sistemas de detección de incendios deben emitir alarmas en cuestión de segundos después de que se produzca un incendio, lo que exige un alto rendimiento en tiempo real para los sistemas de detección de incendios de aviación. Al abordar el problema de la detección de objetivos de incendios, los modelos de la serie YOLO demuestran un rendimiento superior al encontrar un equilibrio entre la eficiencia computacional y la precisión de reconocimiento en comparación con otros modelos alternativos. En consecuencia, este documento opta por optimizar el modelo YOLO. Se introduce una versión mejorada del algoritmo de detección de objetos FDY-YOLO en este documento con el propósito de la detección instantánea de incendios. En primer lugar, el módulo FaB-C3, modificado en base a la red principal FasterNet, reemplaza el componente C3 en el marco de trabajo YOLOv5, disminuyendo significativamente la carga computacional del algoritmo. En segundo lugar, se utiliza el módulo DySample para reemplazar el módulo de aumento y optimizar la capacidad del modelo para extraer las características de llamas o humo a pequeña escala en las primeras etapas de un incendio. Introducimos la tecnología RFID para gestionar las cámaras que capturan imágenes. Finalmente, se cambia la función de pérdida del modelo a la función de pérdida MPDIoU, mejorando la precisión de localización del modelo. Basándonos en nuestro conjunto de datos autoconstruido, en comparación con el modelo YOLOv5, FDY-YOLO logra un aumento del 0,8% en la precisión promedio (mAP) mientras reduce la carga computacional en un 40%.