Para abordar los desafíos de detección y adquisición causados por errores de predicción de trayectoria durante la fase de transferencia de guía medio-terminal en vehículos aéreos no tripulados de dominio cruzado (CDUAV), este estudio propone un método de optimización de cobertura de detección colaborativa de múltiples interceptores basado en modelado de tuberías de error predictivo. En primer lugar, empleamos mínimos cuadrados no lineales para ajustar parámetros para el modelo de movimiento de CDUAV. Al integrar la teoría de propagación de errores, derivamos una expresión recursiva para las tuberías de error bajo distribución t y establecemos un modelo paramétrico para la región de alta probabilidad (HPR) del objetivo. A continuación, analizamos escenarios de adquisición de objetivos durante la transferencia de guía y reformulamos el problema de detección colaborativa como una tarea de optimización de cobertura de campo de visión (FOV) en un plano de detección bidimensional. Este marco incorpora el HPR del objetivo y los modelos de FOV de detección del buscador, con una función objetivo definida para la optimización de cobertura. Finalmente, inspirados en las estrategias de cobertura de redes de sensores inalámbricos (WSN), implementamos el algoritmo de optimización de estrella de mar (SFOA) para mejorar la eficiencia computacional. Los resultados de simulación demuestran que, en comparación con los métodos estadísticos de Monte Carlo, nuestro enfoque de modelado paramétrico reduce el tiempo de cálculo del error de predicción de 15.82 s a 0.09 s mientras genera envolventes de tuberías de error con intervalos de confianza del 99%, mostrando una capacidad de generalización superior. El marco de detección colaborativa propuesto resuelve eficazmente los desafíos de optimización de cobertura geométrica que surgen de desajustes entre el HPR del objetivo y la morfología del FOV, exhibiendo una rápida convergencia y alta eficiencia computacional.