La adopción generalizada de pequeños vehículos aéreos no tripulados plantea desafíos crecientes para la seguridad pública. En comparación con los sensores de luz visible, la imagenología infrarroja ofrece excelentes capacidades de observación nocturna y una fuerte robustez contra interferencias, lo que permite la vigilancia de UAV en todas las condiciones climáticas. Sin embargo, detectar pequeños UAV en imágenes infrarrojas sigue siendo un desafío debido al bajo contraste del objetivo y a las débiles características de textura. Para abordar estos desafíos, proponemos IUAV-YOLO, un marco de detección consciente del contexto basado en YOLOv10. Específicamente, inspirado en el mecanismo de campo receptivo en la visión humana, la red de respaldo se rediseña con una estructura de múltiples ramas para mejorar la sensibilidad a pequeños objetivos. Además, se incorpora un Módulo de Atención Global en Pirámide para fortalecer las asociaciones entre el objetivo y el fondo, mientras que se desarrolla un Módulo Consciente del Contexto Espacial para integrar pistas contextuales espaciales y mejorar la discriminación entre el objetivo y el fondo. Experimentos extensos demuestran que, en comparación con el modelo base, IUAV-YOLO logra mejoras de 4.3% en AP0.5 y 2.6% en AP0.5-0.95 en el conjunto de datos IRSUAV autoconstruido, con una reducción de 0.7M parámetros. En el conjunto de datos público SIRST-UAVB, IUAV-YOLO alcanza mejoras de 29.7% en AP0.5 y 16.3% en AP0.5-0.95. En comparación con otros algoritmos avanzados de detección de objetos, IUAV-YOLO demuestra un superior equilibrio entre precisión y eficiencia, destacando su potencial para aplicaciones prácticas de vigilancia infrarroja de UAV.