Este artículo explora los desafíos de integrar dos redes neuronales de aprendizaje profundo, YOLOv5 y RT-DETR, para mejorar el reconocimiento de vehículos aéreos no tripulados (UAVs) dentro de los canales óptico-electrónicos de los sistemas de fusión de sensores. Los autores llevaron a cabo un estudio experimental para probar YOLOv5 y Faster RT-DETR con el fin de identificar la precisión promedio del reconocimiento de UAVs. Se preparó previamente un conjunto de datos en forma de imágenes de dos clases de objetos, UAVs y aves. El número total de imágenes, incluyendo la ampliación, ascendió a 6337. Los autores implementaron el entrenamiento, la verificación y las pruebas de las redes neuronales explotando PyCharm 2024 IDE. Las pruebas de inferencia se realizaron utilizando seis videos con vuelos de UAV. En todos los videos de prueba, RT-DETR-R50 fue más preciso en promedio en un 18.7% en términos de precisión promedio de clasificación (Pc). En cuanto a la velocidad de funcionamiento, YOLOv5 fue 3.4 ms más eficiente. Se ha establecido que el uso de RT-DETR como único módulo para la clasificación de UAV en los canales de detección óptico-electrónicos no es efectivo debido a los grandes volúmenes de cálculos, lo cual se debe al número relativamente grande de parámetros. Basándose en los resultados obtenidos, se propone un algoritmo para combinar dos redes neuronales, lo que permite aumentar la precisión de la clasificación de UAVs y aves sin pérdidas significativas en velocidad.