Los vehículos aéreos no tripulados (VANT) se utilizan comúnmente en diversos campos e industrias, pero su limitada duración de batería se ha convertido en una restricción clave para su desarrollo. La tecnología de Transmisión de Energía Inalámbrica (TEI), con su conveniencia, durabilidad, inteligencia y características no tripuladas, mejora significativamente la duración de la batería y el rango operativo de los VANT. Sin embargo, la variedad de modelos de VANT y diferentes tamaños presentan desafíos para el diseño de acopladores en el sistema de TEI. Este documento presenta un método de diseño para un acoplador tipo matriz en un sistema de TEI para VANT que utiliza una red neuronal profunda. Al establecer una estructura electromagnética 3D del acoplador tipo matriz utilizando software de simulación electromagnética, se modifican las dimensiones de las bobinas de transmisión y recepción para evaluar cómo los cambios en la apertura de la bobina de transmisión y la longitud de la bobina de recepción afectan la inductancia mutua del acoplador. Además, se utilizan métodos de aprendizaje profundo para entrenar un modelo de alta precisión utilizando los datos calculados como conjuntos de entrenamiento y prueba. Finalmente, tomando como ejemplo el modelo de VANT FAIRSER-X, se enrollan las bobinas de transmisión y recepción, y se verifica la viabilidad y precisión del método propuesto a través de un medidor LCR, lo que mejora notablemente la eficiencia del diseño de sistemas de TEI para VANT.