Unbemannte Luftfahrzeuge (UAVs), insbesondere Drohnen mit Fernerkundungs-Objekterkennungstechnologie, haben eine breite Palette von Anwendungen schnell erlangt und sind zu einem der zentralen Forschungsschwerpunkte im Bereich der Computer Vision geworden. Obwohl UAV-basierte Fernerkundungssysteme die Fähigkeit besitzen, verschiedene Objekte zu detektieren, stellen kleine Objekte aufgrund von Faktoren wie geringe Objektgröße, Bildverschlechterung und Echtzeitbeschränkungen eine Herausforderung für eine zuverlässige Erkennung dar. Um diese Probleme anzugehen, wird ein Echtzeit-Objekterkennungsalgorithmus (YOLO-Drone) vorgeschlagen und auf zwei neue UAV-Plattformen sowie eine spezifische Lichtquelle (siliziumbasierte goldene LED) angewendet. YOLO-Drone zeichnet sich durch mehrere Neuheiten aus: 1) Einführung eines neuen Backbone-Netzwerks namens Darknet59; 2) Einführung eines neuen komplexen Merkmalsammlungsmoduls MSPP-FPN, das ein räumliches Pyramiden-Pooling sowie drei atrous räumliche Pyramiden-Pooling-Module integriert; 3) Einsatz der Generalized Intersection over Union (GIoU) als Verlustfunktion. Zur Bewertung der Leistungsfähigkeit werden zwei etablierte Benchmark-Datensätze, UAVDT und VisDrone, sowie ein eigenständig erzeugtes Datenset im Nachtbetrieb unter siliziumbasierten goldenen LEDs verwendet. Die experimentellen Ergebnisse zeigen, dass YOLO-Drone sowohl auf UAVDT als auch auf VisDrone die derzeit besten Ansätze (SOTA) übertrifft, wobei die mAP um 10,13 % bzw. 8,59 % gesteigert wird. Bei UAVDT erreicht YOLO-Drone eine hohe Echtzeit-Inferenzgeschwindigkeit von 53 FPS und eine maximale mAP von 34,04 %. Besonders hervorzuheben ist, dass YOLO-Drone auch unter siliziumbasierten goldenen LEDs eine herausragende Leistung erzielt, mit einer mAP von bis zu 87,71 % – dies übertrifft die Leistung der YOLO-Serie unter herkömmlichen Lichtquellen deutlich. Zusammenfassend lässt sich feststellen, dass YOLO-Drone eine äußerst effektive Lösung für die Objekterkennung in UAV-Anwendungen darstellt, insbesondere für Nachtdetektionsaufgaben, bei denen die siliziumbasierte goldene LED-Technologie erhebliche Vorteile zeigt.