Los drones/vehículos aéreos no tripulados (UAVs) han ganado popularidad recientemente debido a su bajo costo y amplio uso comercial. El aumento en el uso de drones plantea la posibilidad de que puedan ser empleados en actividades ilícitas como contrabando de drogas y terrorismo. Por lo tanto, la monitorización de drones y la detección automatizada son críticas para proteger áreas restringidas o zonas especiales de operaciones ilícitas con drones. Una de las dificultades más desafiantes en la detección de drones en videos de vigilancia es la aparente similitud de los drones con diversos fondos. Este documento presenta un sistema automatizado de detección de drones basado en imágenes que utiliza un algoritmo mejorado de detección de objetos basado en aprendizaje profundo conocido como "you only look once" (YOLOv5) para defender territorios restringidos o zonas especiales de incursiones no autorizadas de drones. El aprendizaje por transferencia se emplea para preentrenar el modelo y mejorar el rendimiento debido a un número insuficiente de muestras en nuestro conjunto de datos. Además, el modelo puede reconocer el objeto detectado en las imágenes y marcar el cuadro delimitador del objeto uniendo los resultados en toda la región. Los experimentos muestran resultados sobresalientes para el valor de pérdida, la detección de la ubicación del dron, la precisión y la recuperación.