La restauración vegetativa en paisajes degradados requiere estrategias de implementación escalables capaces de adaptarse a condiciones de terreno heterogéneas. Los métodos convencionales de siembra aérea suelen operar en modo de bucle abierto, distribuyendo semillas de manera uniforme sin considerar la idoneidad del terreno. Este estudio presenta un sistema modular de vehículo aéreo no tripulado (VANT) guiado por visión para la implementación adaptativa de semillas en tiempo real, basado en la integración de percepción y actuación a bordo bajo restricciones computacionales embebidas. El sistema propuesto combina clasificación de terreno basada en RGB, procesamiento embebido y dispensación de semillas adaptativa a la altitud dentro de un marco unificado de percepción-decisión-actuación, lo que permite una implementación selectiva y consciente del contexto durante el vuelo. La idoneidad del terreno se evalúa a bordo utilizando tres modelos de red neuronal convolucional (CNN) y una línea base basada en color para distinguir áreas sembrables y no sembrables. Una estrategia de decisión basada en confianza con filtrado temporal mejora la fiabilidad, mientras que un mecanismo de control adaptativo a la altitud regula la distribución de semillas a diferentes alturas de vuelo. Experimentos de campo realizados en entornos semiáridos demuestran una precisión de clasificación superior al 85% con una latencia de inferencia inferior a 100 ms en una plataforma Jetson Nano. Una evaluación adicional fuera de línea bajo diferentes condiciones de altitud, velocidad, iluminación y terreno confirma la robustez del módulo de percepción. Los resultados demuestran la viabilidad de integrar percepción en tiempo real con actuación adaptativa, permitiendo que los VANTs pasen de plataformas de detección pasiva a agentes activos para la intervención ambiental. El sistema propuesto proporciona un enfoque práctico y escalable para la restauración vegetativa de precisión en entornos heterogéneos.