Con el continuo desarrollo de la tecnología de comunicación móvil, la inteligencia en el borde ha recibido una amplia atención por parte de la academia. Sin embargo, al habilitar la inteligencia en el borde en redes de Vehículos Aéreos No Tripulados (UAV) donde los drones actúan como dispositivos en el borde, a menudo surge el problema de la falta de potencia de cálculo debido a los recursos limitados de almacenamiento y computación. Para resolver el problema de la falta de potencia de cálculo de los UAV, este documento propone un algoritmo de optimización colaborativa distribuida en la nube y el borde (DCECOA). La idea principal del DCECOA es aprovechar al máximo los datos locales de los dispositivos en el borde (es decir, UAV) para optimizar el modelo de red neuronal de manera más eficiente y lograr la compresión del volumen del modelo. En comparación con el criterio de evaluación tradicional de Taylor, este algoritmo consume menos recursos en la conexión ascendente de comunicación. El modelo de red neuronal comprimido por el algoritmo de optimización propuesto puede lograr un rendimiento más alto bajo la misma tasa de compresión.