Die Nachfrage nach präziser Objekterkennung in Luftbildern hat mit der weitverbreiteten Nutzung von Drohnen und Satellitentechnologie stark zugenommen. Traditionelle Objekterkennungsmodelle, die auf Datensätzen trainiert wurden, die eine Bias gegenüber großen Objekten aufweisen, erzielen in aerialen Szenarien, in denen kleine, dicht gepackte Objekte dominieren, oft nicht optimale Ergebnisse. Um dieser Herausforderung zu begegnen, präsentieren wir einen innovativen Ansatz, der Super-Resolution-Techniken mit einer angepassten, leichtgewichtigen YOLOv5-Architektur kombiniert. Wir evaluieren die Leistung unseres Modells anhand einer Vielzahl von Datensätzen, darunter VisDrone-2023, SeaDroneSee, VEDAI und NWPU VHR-10. Unsere Super-Resolved YOLOv5-Architektur verfügt über Transformer-Encoder-Blöcke, die es dem Modell ermöglichen, globale Kontextinformationen und feinere semantische Zusammenhänge zu erfassen, was zu verbesserten Erkennungsergebnissen führt, insbesondere unter Bedingungen hoher Dichte und Verdeckung. Dieses leichtgewichtige Modell erzielt nicht nur eine höhere Genauigkeit, sondern gewährleistet auch eine effiziente Nutzung von Ressourcen, wodurch es besonders gut für Echtzeitanwendungen geeignet ist. Unsere experimentellen Ergebnisse belegen die überlegene Leistung des Modells bei der Erkennung kleiner und dicht gepackter Objekte und unterstreichen die Bedeutung der Datensatzwahl sowie der architektonischen Anpassung für diese spezifische Aufgabe. Insbesondere erreicht die Methode auf VisDrone einen mAP-Wert von 52,5 %, was die besten vorherigen Ansätze übertrifft. Dieser Ansatz verspricht, die Objekterkennung in Luftbildern erheblich voranzutreiben und zu präziseren und zuverlässigeren Ergebnissen in einer Vielzahl realweltlicher Anwendungen beizutragen.