El tabaco es un cultivo económico esencial en China. La detección de plantas de tabaco en imágenes aéreas juega un papel importante en la gestión de las plantas de tabaco y, en particular, en las estimaciones de rendimiento. La estimación tradicional de rendimiento se basa en inspecciones en el lugar, que pueden ser ineficientes, consumir mucho tiempo y ser laboriosas. En este documento, propusimos un algoritmo para detectar plantas de tabaco en imágenes aéreas RGB de forma automática. El algoritmo propuesto se compone de dos etapas: (1) Un algoritmo de selección de candidatos extrae posibles regiones de plantas de tabaco de la entrada, (2) una CNN entrenada (Red Neuronal Convolucional) clasifica un candidato como una región de planta de tabaco o una que no lo es. Este algoritmo propuesto se entrena y evalúa en diferentes conjuntos de datos. Demuestra un buen rendimiento en la detección de plantas de tabaco en imágenes aéreas y logra una mejora significativa en AP (Precisión Promedio) en comparación con faster R-CNN (Regiones con características de CNN) y YOLOv3 (You Only Look Once v3).