Las tecnologías de pequeños satélites han mejorado el potencial y la viabilidad de las misiones geodésicas a través de la simplificación del diseño y la reducción de costos, lo que permite lanzamientos más frecuentes. Los sistemas de adquisición de datos en satélites pueden beneficiarse de la implementación de aprendizaje automático (ML) para un mejor rendimiento y mayor eficiencia en tareas como el procesamiento de imágenes o la extracción de características. Este trabajo presenta autoencoders convolucionales para su implementación en la carga útil de pequeños satélites, diseñados para lograr la doble funcionalidad de compresión de datos para una transmisión más eficiente fuera del satélite y detección de anomalías en origen para informar sobre la toma de datos del satélite. Esta capacidad se demuestra para el caso de uso de monitoreo de desastres utilizando conjuntos de datos de imágenes aéreas del continente africano, ofreciendo vías tanto para la implementación de enfoques novedosos basados en ML en aplicaciones de pequeños satélites como para la expansión de la tecnología espacial y la inteligencia artificial en África.