Los drones tienen muchas aplicaciones en nuestra vida diaria y pueden ser empleados para la agricultura, el ámbito militar, el comercio, la ayuda en desastres, la investigación y el desarrollo, y muchos otros propósitos. Ha habido un aumento significativo en el uso de drones pequeños/vehículos aéreos no tripulados en los últimos años. En consecuencia, existe un creciente potencial para que los drones pequeños sean mal utilizados en actividades ilegales, como el terrorismo y el contrabando de drogas. Por lo tanto, hay una necesidad de identificación precisa y confiable de UAV que pueda ser utilizada en diversos entornos. En este documento, se utilizan diferentes versiones del modelo de detección de objetos más avanzado, es decir, los modelos YOLO, trabajando sobre los principios de la visión por computadora y el aprendizaje profundo para detectar pequeños UAV. Para mejorar la precisión de la detección de pequeños UAV, este documento propone la aplicación de diversas técnicas de procesamiento de imágenes al modelo de detección actual, lo que ha resultado en un aumento significativo del rendimiento. En este estudio, se obtuvo una puntuación mAP del 96.7% para un umbral de IoU del 50% junto con un valor de precisión del 95% y un recall del 95.6%. También se realizó un análisis de distancia de los drones (es decir, para rangos cercanos, medios y lejanos) para medir las precisiones según la distancia.