Los sistemas de imágenes fotoeléctricas aéreas se han convertido en un medio importante de reconocimiento y vigilancia en los últimos años. Sin embargo, las imágenes aéreas son fácilmente afectadas por condiciones externas y tienen bordes poco claros, lo que reduce en gran medida la precisión del reconocimiento de objetivos. Este artículo propone el modelo M-YOLOv5, que utiliza una capa de características superficiales. Se introduce el módulo RFBs para mejorar el campo receptivo y el efecto de detección de objetivos pequeños. En la parte de la red neck, se utiliza la estructura BiFPN para reutilizar las características subyacentes e integrar más características, y se añade un mecanismo de atención CBAM para mejorar la precisión de detección. Los resultados experimentales muestran que el efecto de detección de este método en el conjunto de datos DroneVehicle es mejor que el de la red original, con una tasa de precisión aumentada en un 2.8%, una tasa de recuperación aumentada en un 16% y una precisión promedio aumentada en un 2.3%. Considerando el problema de tiempo real de la detección de objetivos, basado en el modelo mejorado, se propone el modelo Clight-YOLOv5, al aligerar la estructura de la red y utilizar el módulo de optimización de convolución separable en profundidad. Después de aligerar, el número de parámetros del modelo se reduce en un 71.3%, lo que proporciona una nueva idea para la detección de objetivos ligera y demuestra la efectividad del modelo en escenarios de aviación.