En los últimos años, los vehículos aéreos no tripulados (VANT) se han utilizado en varios campos, incluyendo, por ejemplo, la arqueología, el transporte de carga, la conservación, la salud, la producción cinematográfica, los pasatiempos y el uso recreativo. Los VANT son aeronaves caracterizadas por la ausencia de un piloto humano a bordo. El uso extensivo de estos dispositivos ha puesto de manifiesto problemas de mantenimiento en relación con las hélices, que representan la fuente de propulsión de la aeronave. Un defecto en las hélices de un dron puede causar que la aeronave caiga al suelo y su consiguiente destrucción, y también constituye un problema de seguridad para los objetos y las personas que se encuentran en el rango de acción de la aeronave. En este estudio, se utilizaron las mediciones del ruido emitido por un VANT para construir un modelo de clasificación que detecte las palas desbalanceadas en una hélice de VANT. Para simular la condición de falla, se aplicaron dos tiras de cinta de papel en la superficie superior de una pala. La cinta de papel creó una modificación sustancial de la aerodinámica de la pala, y esta modificación caracterizó el ruido producido por la pala en su rotación. Luego, se construyó un modelo basado en algoritmos de redes neuronales artificiales para detectar palas desbalanceadas en una hélice de VANT. Este modelo mostró una alta precisión (0.9763), indicando un alto número de detecciones correctas y sugiere la adopción de esta herramienta para verificar las condiciones de operación de un VANT. La prueba debe realizarse en interiores; a partir de las mediciones del ruido producido por el VANT es posible identificar un desbalance en la pala de la hélice.