La detección de objetos objetivo basada en imágenes aéreas tiene varias fallas, como baja precisión en la detección de objetivos a múltiples escalas, detección lenta, objetivos perdidos y predicción errónea de objetivos. Para resolver este problema, este documento propone un algoritmo mejorado de You Only Look Once (YOLO) desde el punto de vista de la eficiencia del modelo utilizando agrupación de dimensiones de cajas de objetivos, clasificación de la red pre-entrenada, entrenamiento de detección a múltiples escalas y cambio de las reglas de selección de la caja candidata. Este enfoque modificado tiene el potencial de adaptarse mejor a la tarea de posicionamiento. La imagen aérea del vehículo aéreo no tripulado (UAV) puede ser posicionada en el área objetivo en tiempo real, y la relación de proyección puede convertir la latitud y longitud del UAV. Los resultados demostraron ser más efectivos; notablemente, la precisión promedio de la red de detección en la imagen aérea de las tareas de detección del área objetivo aumentó al 79.5%. Las imágenes aéreas que contienen el área objetivo se consideran para experimentar con la simulación de vuelo para verificar su tasa de precisión de posicionamiento de red y se encontró que era mayor al 84%. Este modelo propuesto puede ser utilizado de manera efectiva para la detección de objetivos en tiempo real para objetivos a múltiples escalas con una tasa reducida de predicciones erróneas debido a su precisión superior.