El número cada vez mayor de drones en el espacio aéreo nacional, incluidos los destinados a aplicaciones recreativas y comerciales, ha generado preocupaciones sobre su mal uso. Los sistemas autónomos de detección de drones ofrecen una solución probable para superar el problema del posible mal uso de drones, como el contrabando de drogas, la violación de la privacidad de las personas, etc. La detección de drones puede ser difícil, debido a objetos similares en el cielo, como aviones y aves. Además, los sistemas automatizados de detección de drones necesitan ser entrenados con una gran cantidad de datos para proporcionar una alta precisión. La detección en tiempo real también es necesaria, pero esto requiere dispositivos altamente configurados como una unidad de procesamiento gráfico (GPU). El presente estudio buscó superar estos desafíos proponiendo un detector de un solo disparo llamado You Only Look Once versión 5 (YOLOv5), que puede entrenar el modelo propuesto utilizando pesos pre-entrenados y aumento de datos. El modelo entrenado fue evaluado utilizando la precisión promedio media (mAP) y medidas de recall. El modelo logró un mAP del 90.40%, una mejora del 21.57% sobre nuestro modelo anterior que utilizaba You Only Look Once versión 4 (YOLOv4) y fue probado en el mismo conjunto de datos.