Las misiones de reconocimiento aéreo táctico utilizando pequeños sistemas aéreos no tripulados (UAS) se han convertido en un escenario común en el ámbito militar. En particular, la detección de objetos visualmente ocultos, como materiales de camuflaje y municiones sin explotar (UXO), es de gran interés. Los sensores hiperespectrales, que proporcionan información espectral detallada más allá del espectro visible, son altamente adecuados para este tipo de misión de reconocimiento. Sin embargo, la información espectral adicional impone mayores exigencias a las arquitecturas de los sistemas para lograr un procesamiento de datos eficiente y robusto y una detección de objetos. Para superar estos desafíos, se introduce el concepto de reducción de datos mediante la selección de bandas. En este documento, se presenta y evalúa un concepto especializado y robusto de gestión de sensores hiperespectrales basado en el contexto, con una metodología implementada de selección de bandas para la detección de UXO y materiales camuflados pequeños y desafiantes. Para este propósito, se introducen varios detectores de anomalías, como LRX, NCC, HDBSCAN y filtros de paso de banda, como parte de los flujos de trabajo de detección y se prueban junto con la gestión de sensores en diferentes arquitecturas de sistemas. Los resultados demuestran cómo la gestión de sensores puede mejorar significativamente el rendimiento de detección para UXO en comparación con el uso de todas las bandas del sensor o bandas seleccionadas estadísticamente. Además, los flujos de trabajo de detección y arquitecturas implementados producen resultados de rendimiento sólidos y mejoran significativamente la precisión de detección de anomalías en comparación con los enfoques comunes de procesamiento de imágenes hiperespectrales con un único detector de anomalías especializado.