En las tareas de detección de objetivos de UAV de aire a aire, los algoritmos existentes sufren de baja precisión, baja recuperación y alta dependencia del poder de procesamiento del dispositivo, lo que dificulta la detección eficiente de pequeños objetivos de UAV. Para resolver los problemas mencionados, este artículo propone un modelo de alta precisión, ATA-YOLOv8. En este documento, analizamos el problema de la detección de pequeños objetivos de UAV desde la perspectiva del campo receptivo eficiente. El modelo propuesto se evalúa utilizando dos conjuntos de datos de imágenes de UAV de aire a aire, MOT-FLY y Det-Fly, y se compara con YOLOv8n y otros algoritmos SOTA. Los resultados experimentales muestran que el mAP50 de ATA-YOLOv8 es del 94.9% y 96.4% en los conjuntos de datos MOT-FLY y Det-Fly, respectivamente, lo que representa un 25% y un 5.9% más que el mAP de YOLOv8n, manteniendo un tamaño de modelo de 5.1 MB. Los métodos en este artículo mejoran la precisión de la detección de objetivos de UAV en escenarios de aire a aire. El pequeño tamaño, la rápida velocidad y la alta precisión del modelo propuesto hacen posible la detección de UAV de aire a aire en tiempo real en dispositivos de computación en el borde.