La detección de defectos en la superficie de la piel de las aeronaves es crítica para la seguridad de la aviación, pero actualmente se basa principalmente en inspecciones manuales o visuales. Los avances recientes en visión por computadora ofrecen oportunidades para la automatización. Este documento revisa el estado actual de los algoritmos de visión por computadora y su aplicación en la detección de defectos en aeronaves, sintetizando información de investigaciones académicas (21 publicaciones) y proyectos industriales (18 iniciativas). Más allá de una revisión detallada, evaluamos experimentalmente la precisión y viabilidad de soluciones de hardware (drones) y software (algoritmos de visión por computadora) de bajo costo y fácilmente desplegables. Específicamente, se recopilaron datos del mundo real de una aeronave abandonada con defectos visibles utilizando un dron para capturar imágenes en video, que luego se procesaron con modelos de visión por computadora de última generación: YOLOv9 y RT-DETR. Ambos modelos lograron puntuaciones mAP50 de 0.70-0.75, con YOLOv9 demostrando una precisión y velocidad de inferencia ligeramente mejores, mientras que RT-DETR mostró una convergencia de entrenamiento más rápida. Además, una comparación entre YOLOv5 y YOLOv9 reveló una mejora del 10% en mAP50, destacando los rápidos avances en visión por computadora en los últimos años. Por último, identificamos y discutimos varias soluciones de hardware alternativas para la recopilación de datos; además de los drones, estas incluyen plataformas robóticas, robots trepadores y hangares inteligentes, y discutimos los principales desafíos para su implementación, como las restricciones regulatorias, la integración humano-robot y la resiliencia ante el clima. La contribución fundamental de este documento es subrayar el potencial de la visión por computadora para la detección de defectos en la piel de aeronaves, al tiempo que enfatiza que se requiere más investigación para abordar las limitaciones existentes.