Este estudio aborda los desafíos que enfrentan los Vehículos Aéreos No Tripulados en el monitoreo de la población de focas manchadas en la desembocadura del río Liaohe, incluyendo la disminución de la visibilidad de objetivos pequeños, la significativa interferencia de fondo y los recursos limitados de computación en el borde. Para abordar estos problemas, se propone un marco de detección en capas de doble modelo. El marco implica desplegar un modelo de detección de objetos ligero en un Vehículo Aéreo No Tripulado para la selección inicial de focas manchadas, seguido de una detección precisa de las imágenes transmitidas de regreso desde el Vehículo Aéreo No Tripulado utilizando un modelo de detección más preciso en una estación de trabajo terrestre. Los resultados experimentales demuestran que este enfoque no solo mejora la velocidad de procesamiento de imágenes, sino que también mejora significativamente la precisión de detección, reduciendo tanto los falsos positivos como los falsos negativos. Este estudio de investigación contribuye a estimaciones más precisas del tamaño de la población y evaluaciones dinámicas de distribución, ofreciendo un método eficiente y confiable para el monitoreo de especies en peligro de extinción.