Este estudio propone un nuevo marco para detectar y gestionar la contaminación de fuentes no puntuales (NPS) en áreas agrícolas utilizando vehículos aéreos no tripulados (UAV) e inteligencia artificial geoespacial (GeoAI). Se emplearon imágenes de UAV de alta resolución, combinadas con el modelo de segmentación de instancias YOLOv8, para detectar y clasificar con precisión diversas fuentes de NPS, como establos de ganado, montones de compost, invernaderos y películas de acolchado. La información espacial, incluyendo el área y el volumen de los objetos detectados, fue analizada para rastrear cambios temporales y evaluar estrategias de gestión. El marco integra teledetección, aprendizaje profundo y análisis de sistemas de información geográfica (SIG) para mejorar los procesos de toma de decisiones, proporcionando una visión detallada de la dinámica de la contaminación por NPS a lo largo del tiempo. Este enfoque no solo mejora la eficiencia del monitoreo de NPS, sino que también facilita la gestión proactiva al ofrecer datos precisos sobre la ubicación y el impacto ambiental. Los resultados indican que este marco puede mejorar significativamente la asignación de recursos y las prácticas de gestión ambiental, particularmente en regiones dominadas por la agricultura susceptibles a la contaminación por NPS, contribuyendo así al desarrollo sostenible de estas áreas.