在无人机检测领域，由于航拍任务对机载系统的严格限制，导致机载微处理器在存储和计算能力上存在显著的局限性。针对这一挑战，以YOLOv8作为基础模型，首先，借鉴轻量化卷积操作在减少模型参数数量方面的显著优势，将主干网络卷积块中的普通卷积替换为可分离卷积，并探索出一种结合轻量化卷积操作的结构块，保留C2f结构块丰富梯度流优势的同时缩小计算参数，两者交替构成新的主干网络结构，从而有效降低网络的规模和计算复杂度。此外，提出一种以Transformer解码器为基础优化后的轻量化全局感知组件，弥补轻量化网络设计导致的特征信息损失，实现特征的全局聚合。优化调整后的模型，参数量显著减少，检测精度有所提升，验证了模型设计的优越性。