现代无人机为快速发现物体使用最新版的YOLOv5神经网络架构。通常，这款神经网络能在视频中发现物体，分析人的举动或汽车自动导航。尽管颇受欢迎，但却有一系列缺陷。比如，算法本身模式即长又复杂，给寻找小型物体造成困难。
俄罗斯南联邦大学理工科博士张精卫对此缺陷进行了修正。与YOLOv5相比，改善后的算法明显降低了计算量。他在接受卫星通讯社采访时说：
“我在俄罗斯南联邦大学的科研内容是数学算法研究，目前的研究是在YOLOv5模型的基础上进行了改进，提出了L-YOLO算法，提升了模型对小目标的检测性能，同时降低模型的参数量和计算量，以解决无人机视角下的小目标检测任务。本研究得出的结论为：L-YOLO算法不仅对小目标的检测性能更强，模型也更加轻量化，证实了在无人机视角下的目标检测具有良好的应用前景。低功耗的无人机视角下的小目标检测研究对于提高无人机应用的效率和功能，推动科技发展和社会进步，具有非常重要的意义。”
无人机配置轻版和更具效率的L-YOLO算法，可用于各种领域，从农业到搜救工作。任何情况下，识别和跟踪小物体，如个人、动物或车辆的算法，对于成功完成任务至关重要。
张精卫强调，在俄罗斯学习和从事科研工作使其相信，有能力和机会改变世界。他说：
“南联邦大学提供的课程广泛而又全面，以提供严谨、富有挑战性、完全适应当今学生需求的学术课程，也是顺应时代趋势的，我所学的专业能让我为工作做好真正准备，且相信有能力和机会改变世界。”
此外，张精卫认为，俄罗斯南部地区对发展双边关系是重要的，且其战略重要性暂时还未被认识到。正因为如此，他想留在顿河畔罗斯托夫工作，做些有利于中俄关系发展的事情。他说：
“俄罗斯南部地区地处欧亚大陆的交汇点，具有重要的战略地位。据我们了解中国企业甚少探索俄罗斯南部，这里提供了独特的竞争环境，未来定会吸引中国投资和开展联合项目，我们非常看好与俄罗斯南部合作前景。所以我决定博士研究生毕业后暂时不回中国，继续立足于南俄、面向中俄、做好中俄人文合作。”
YOLO（You Only Look Once）是检测图像中物体的神经网络架构。它将原始图像分成13个小方块，每个方块记录有关物体及其类型的信息，以此进行识别。YOLO有别于同类架构，一次图像扫描即可确定识别对象的存在和种类。