针对低空无人机视角下的目标存在相互遮挡、像素小和复杂背景的问题，本文提出一种用于低空无人机平台的小目标检测算法HPRS-YOLO。在主干网络采用一种新的多尺度空间金字塔（SPMCC），抛弃基于最大池化的下采样形式，利用膨胀卷积动态调整网络的感受野，更有效地绘制检测对象的上下文信息；融合两种Metaformer模型改进C3K2模块，增强小目标结构和纹理特征信息，减少参数量，保持运算开销在较小水平；Dysample优化上采样算子，抑制偏移重叠和边界点值混乱，提高目标与背景的对比度；引入浅层细节处理模块（SDFM）重新设计颈部网络尾端，实现首尾跨尺度特征校准，强调对低层特征图的关注度，补偿小目标特征的缺失以及维护遮挡目标剩余空间信息的完整性。在数据集VisDrone2019上做消融实验和对比实验，相较于基线算法，m AP0.5和m AP0.5:0.95分别提升5个和3个百分点，在公开数据集DOTA上做泛化实验，m AP0.5提升2.0%，证明具有良好的鲁棒性，最后将模型部署到嵌入式设备NVIDIA Jetson AGX Orin上进行验证，FPS达到60，表明HPRS-YOLO通过优化算法设计在保持高准确率的同时，确保实时检测的能力。