Las bolsas de plástico son a menudo descartadas como basura y pueden ser llevadas lejos de los márgenes de las carreteras y enredarse en plantas de algodón en campos agrícolas. Esta basura de plástico puede terminar en el algodón en el desmotado si no se retira antes de la cosecha. Estas bolsas no solo pueden causar problemas en el proceso de desmote, sino que también pueden quedar incrustadas en las fibras de algodón, reduciendo la calidad y el valor comercial. Por lo tanto, es necesario detectar, localizar y eliminar las bolsas antes de la cosecha del algodón. La detección y localización manual de estas bolsas en los campos de algodón es un proceso tedioso, que consume tiempo y costoso. Para resolver esto, este artículo muestra la aplicación de YOLOv5 para detectar bolsas de plástico de color blanco y marrón enredadas a tres alturas diferentes en plantas de algodón (inferior, media, superior) utilizando imágenes RGB adquiridas por Sistemas de Aeronaves No Tripuladas (UAS). Se encontró que en promedio se podía detectar una bolsa blanca y marrón con precisión del 92.35% y 77.87% respectivamente, con un promedio de precisión (mAP) de 87.68%. De manera similar, el modelo YOLOv5 entrenado, en promedio, pudo detectar el 94.25% de las bolsas superiores, el 49.58% de las medias y solo el 5% de las inferiores. También se encontró que tanto el color de las bolsas (<0.001) como su altura en las plantas de algodón (<0.0001) tuvieron un efecto significativo en la precisión de detección. Los hallazgos reportados en este artículo pueden ayudar en la detección autónoma de contaminantes de plástico en campos de algodón y potencialmente acelerar los esfuerzos de mitigación, reduciendo así la cantidad de contaminantes en los desmotadores.