La investigación sobre técnicas de detección anti-UAV (vehículos aéreos no tripulados) es esencial, ya que el uso generalizado de UAVs, aunque mejora la conveniencia, plantea varios riesgos ocultos para la privacidad, la seguridad, el control aéreo, etc. Este artículo se centra en los desafíos de la identificación de UAVs a larga distancia y propone un método ligero de detección anti-UAV basado en YOLOv11 mejorado. En primer lugar, se importa HWD como el módulo de submuestreo del backbone, lo que reduce la pérdida de características en el procedimiento de extracción de características mientras utiliza menos parámetros. Luego, se utiliza una estructura CCFM más ligera en lugar de la parte original del cuello, para mejorar la capacidad del modelo para detectar objetivos pequeños y ajustarse a los cambios de escala. El efecto de detección en objetivos pequeños se mejora enormemente al eliminar la cabeza de detección a gran escala original y agregar una nueva cabeza de detección a pequeña escala en respuesta al pequeño tamaño de los objetivos UAV. En este artículo, se llevó a cabo una validación experimental utilizando el conjunto de datos DUT ANTI-UAV y, en comparación con el modelo base YOLOv11, el método que proponemos mejoró las métricas P, R, mAP50 y mAP50-05 en un 4%, 4.5%, 4.1% y 4.9%, respectivamente, y disminuyó los parámetros en un 38.4%. Sin embargo, los FPS disminuyeron aproximadamente en un 5%. Los resultados experimentales muestran que el método mejorado que proponemos tiene un mejor rendimiento en tareas de detección anti-UAV y el modelo es más ligero.