【摘要】针对无人机遥感图像中多尺度密集目标难以快速、准确检测与识别的问题，本研究提出一种基于轻量级目标检测模型（ＹＯＬＯｖ１１ｎ）的遥感图像目标检测方法。 该方法以航空影像目标检测数据集（ＤＯＴＡ）为基准，对预训练 ＹＯＬＯｖ１１ｎ 模型进行迁移学习，并融合数据增强与多尺度训练策略进行微调，以提升模型在复杂背景下的检测精度与泛化能力。 实验在 ＤＯＴＡ 测试集 ４５８ 幅遥感图像上进行评估，结果表明：所提方法平均精度均值（ｍＡＰ）达到 ５７.６％、召回率（Ｒｅｃａｌｌ）为 ５４. ４％、精确率（Ｐｒｅｃｉｓｉｏｎ）为 ７１.１％，同时保持较高的推理速度与部署灵活性。 结果验证了 ＹＯＬＯｖ１１ｎ 模型在遥感图像目标检测任务中的有效性与适用性，可为智能遥感分析、无人机巡检及军事侦察等领域的应用等应用提供技术支撑。。