Este documento presenta un modelo rediseñado basado en YOLO, adaptado para la detección de objetos pequeños en aplicaciones de drones. Para mejorar su rendimiento en la detección de objetivos pequeños y borrosos, este estudio introduce el módulo C3_CAA para refinar los mapas de características, integra el módulo CPA y SI-IoU para mejorar la precisión de detección, y incorpora mecanismos de atención en canal y espacial para mejorar aún más el rendimiento en la localización e identificación de objetivos. Los resultados experimentales indicaron que el método propuesto tiene un buen desempeño en múltiples conjuntos de datos. El valor de mAP aumenta en un 2% en el conjunto de datos VISDRONE, un 1.6% en el conjunto de datos UAVDT, un 0.9% en el conjunto de datos CARPK y un 1% en el conjunto de datos UAVROD.