La detección de objetos tiene una amplia gama de aplicaciones como la tarea más fundamental y desafiante en visión por computadora. Sin embargo, los problemas de calidad de imagen como la baja luminosidad, bajo contraste y alto ruido en escenas con poca luz causan una degradación significativa del rendimiento de detección de objetos. Para abordar esto, este documento se centra en algoritmos de detección de objetos en escenarios de poca luz, lleva a cabo exploración e investigación desde los aspectos de mejora de imágenes con poca luz y detección de objetos, y propone una mejora de imagen de bajo nivel para la detección de objetos con poca luz basada en el método FPGA MPSoC. Por un lado, se amplía el conjunto de datos de poca luz y se entrena el modelo de detección de objetos YOLOv3 basado en la técnica de mejora de imagen de bajo orden, lo que mejora el rendimiento de detección del modelo en escenarios de poca luz; por otro lado, el modelo se implementa en la placa MPSoC para lograr un sistema de detección de objetos en el borde, lo que mejora la eficiencia de detección. Finalmente, se realizan experimentos de validación en el conjunto de datos público de detección de objetos con poca luz y en la placa MPSoC ZU3EG-AXU3EGB, y los resultados muestran que el método en este documento puede mejorar efectivamente la precisión y eficiencia de detección.