Los incidentes en las plataformas de los aeropuertos pueden causar una interrupción operativa sustancial y pérdidas económicas, mientras que la vigilancia convencional (por ejemplo, Radar de Movimiento en Superficie (SMR), Televisión de Circuito Cerrado (CCTV)) a menudo carece de la resolución y el soporte de decisión proactivo requeridos para operaciones en proximidad cercana. Este estudio propone un marco de Visión por Computadora (CV) desplegable por UAV, independiente de la cámara, para advertencias de riesgo de colisión desde puntos de vista elevados. Un backbone optimizado YOLOv8-Seg realiza segmentación de aeronaves de múltiples clases (avión, ala, nariz, cola y fuselaje) y se integra con cuatro algoritmos de Seguimiento de Múltiples Objetos (MOT) bajo configuraciones de evaluación idénticas. Para la evaluación cuantitativa de rastreadores, DeepSORT proporciona el mejor rendimiento general en la verdad de terreno del formato MOTChallenge solo para aviones (MOTA 92.77%, recall 93.27%). Para mitigar la escasez de datos de incidentes en la plataforma anotados, se crea un conjunto de datos MOT etiquetado de 997 fotogramas a través de una recreación basada en simulación de MSFS inspirada en el evento de ala a cola de Asiana-Turkish Airlines en el Aeropuerto Ataturk de Estambul en 2018. El marco también introduce un mecanismo de advertencia de doble módulo que puede operar de manera independiente: (i) un módulo reactivo que utiliza la proximidad en el plano de imagen derivada de las máscaras de segmentación, y (ii) un módulo proactivo que predice conflictos a corto plazo mediante la extrapolación de trayectorias y análisis de superposición futura basado en IoU. El enfoque se evalúa en múltiples escenarios de incidentes simulados y se evalúa en un video real de la plataforma del Aeropuerto Internacional de Hong Kong; además, experimentos de UAV a escala de laboratorio utilizando modelos de aviones a escala proporcionan evidencia de viabilidad de extremo a extremo sobre imágenes de plataformas no tripuladas. En general, los resultados indican advertencias oportunas y viabilidad práctica para el monitoreo de plataformas habilitado por UAV de bajo costo.