En este momento, se están llevando a cabo muchas actividades ilegales, como la minería ilegal, la caza, la tala de árboles y la quema de bosques. Estas actividades pueden tener un impacto negativo sustancial en el medio ambiente. Estas actividades ilegales son cada vez más rampantes debido al número limitado de oficiales y al alto costo requerido para monitorearlas. Una posible solución es crear un sistema de vigilancia que utilice inteligencia artificial para monitorear el área. Los vehículos aéreos no tripulados (UAV) y los módulos NVIDIA Jetson (GPU de propósito general) pueden ser económicos y eficientes porque utilizan pocos recursos. El problema del campo de detección de objetos utilizando la perspectiva del dron es que los objetos son relativamente pequeños en comparación con el espacio de observación, y también hay desafíos de iluminación y ambientales. En este estudio, demostraremos el uso del método de detección de objetos de última generación conocido como you only look once (YOLO) v5 utilizando un conjunto de datos de imágenes visuales tomadas desde un UAV (imagen RGB), junto con información de infrarrojo térmico (TIR), para encontrar cazadores furtivos. Hemos empleado siete métodos de entrenamiento de escenarios en esta investigación con datos RGB e infrarrojos térmicos para encontrar el mejor modelo que implementaremos más tarde en el módulo Jetson Nano. El resultado experimental muestra que un nuevo modelo con transferencia de aprendizaje de un modelo preentrenado del conjunto de datos MS COCO puede mejorar YOLOv5 para detectar el objeto humano en el conjunto de datos de imágenes RGBT.