Las operaciones de deshielo en tierra de aeronaves juegan un papel crítico en la seguridad de los vuelos. Sin embargo, para manejar el deshielo de las aeronaves, se emplea comúnmente una cantidad considerable de fluidos de deshielo. Además, se realizan algunas inspecciones previas al vuelo con los motores en marcha; por lo tanto, se desperdicia una gran cantidad de combustible y se emite CO2. Esto implica impactos económicos y ambientales sustanciales. En este contexto, el proyecto europeo (referencia de la convocatoria: MANUNET III 2018, código del proyecto: MNET18/ICT-3438) llamado SEI (Evidencia Espectral de Hielo) tiene como objetivo proporcionar herramientas innovadoras para identificar el hielo en las aeronaves y mejorar la eficiencia del proceso de deshielo. El proyecto incluye el diseño de una plataforma de UAV (vehículo aéreo no tripulado) de bajo costo y el desarrollo de una metodología de detección de hielo cuasi en tiempo real para asegurar una actividad más rápida y semi-automática con una reducción del tiempo operativo aplicado y de los fluidos de deshielo. El propósito de este trabajo, desarrollado dentro de las actividades del proyecto, es definir y probar el sensor más adecuado utilizando un enfoque radiométrico y algoritmos de aprendizaje automático. La metodología adoptada consiste en clasificar el hielo a través de imágenes espectrales recolectadas por dos sensores diferentes: cámara multiespectral y cámara hiperespectral. Dado que el prototipo de UAV está en construcción, el análisis experimental se realizó con un conjunto de datos de simulación adquirido en el suelo. Se presentó la comparación entre los dos enfoques y sus algoritmos relacionados (bosque aleatorio y máquina de soporte vectorial) para el procesamiento de imágenes: los resultados prácticos muestran que es posible identificar el hielo en ambos casos. No obstante, la cámara hiperespectral garantiza una solución más confiable alcanzando un mayor nivel de precisión en la clasificación de superficies heladas.