针对无人机携带计算资源受限的问题，提出一种轻量化的YOLOv8小目标检测模型。在主干网络中引入AKConv，通过灵活的卷积核减少不必要的参数；构建新的颈部网络SBN，通过GSConv降低计算开销，并利用双向信息传递机制，提高对不同尺度目标的检测精度；使用FocalModulation替代原有的SPPF模块，增强模型在图像关键区域的注意力机制。结果表明，改进后的模型较YOLOv8，参数量降低30%,mAP50提高2.3%，同时相较于目标检测领域常用的一些模型，在轻量化和检测精度上均有更好的表现，证明了改进的有效性。