运用遥感目标探测技术的无人机在计算机视觉领域得到广泛应用，成为热门研究方向之一。然而，由于小物体的尺度等因素，无人机遥感系统在检测密集小物体方面存在一定的困难，如图像退化和实时性限制。为了解决这些问题，研究提出了一种名为YOLO-Drone的实时目标检测算法，并应用于两种新型无人机平台以及特定光源硅基黄金LED。YOLO-Drone的创新之处包括：1)采用新的骨干网络Darknet59；2)引入新的复杂特征聚合模块MSPP-FPN，包含一个空间金字塔池和三个空间金字塔模块；3)使用广义交并比(GIoU)作为损失函数。通过在UAVDT和VisDrone两个基准数据集以及夜间硅基黄金LED数据集上进行评估可知，YOLO-Drone在目标检测方面表现优于最先进的方法，分别提升了10.13%和8.59%的mAP。在UAVDT数据集上，YOLO-Drone表现出优异的实时推理速度，可达到53 FPS，最大mAP为34.04%。