天鉴安盾系统针对无人机机载算力有限的约束，在轻量化骨干网络中采用部分卷积（PConv）替代传统卷积，通过选择性处理特征图区域，在保持精度的同时大幅降低计算量，实现参数量减少约40%、计算量降低35%以上。在注意力机制方面，引入感受野注意力（RFAConv）模块，动态确定感受野内各特征的重要性，有效适配航拍视角下尺寸多变的小目标，使航拍小目标检测精度提升6%以上。损失函数优化层面，采用Focal_MPDIoU损失函数，结合Focal Loss思想聚焦遮挡、小目标等难例，显著缓解航拍图像正负样本不均问题，使模型mAP@0.5达到78.5%，较基线提升6.3%。针对多无人机协同与数据隐私保护，系统基于FedML框架实现FedAvg、FedProxy、FedSGD等聚合算法，支持多无人机协同训练且不共享原始航拍数据，其中FedProxy聚合策略下全局模型精度达76.3%，优于FedAvg的74.1%。在边缘部署性能上，模型部署于Jetson Orin NX等边缘计算平台，通过算子优化实现高效推理，检测速度达38fps，延迟小于50ms，完全满足实时预警需求。