A medida que la generación de Residuos Sólidos Municipales (RSM) ha aumentado exponencialmente, esto representa un desafío para los gestores de residuos, como los municipios, para controlar eficazmente los flujos de residuos. Si los flujos de residuos no se gestionan correctamente, contribuyen negativamente al cambio climático, a la contaminación marina por plásticos y a los efectos en la salud humana. Por lo tanto, es necesario identificar, categorizar y valorizar los flujos de residuos para asegurar que se emplee la estrategia de gestión de residuos más efectiva. La investigación sugiere que un proceso más eficiente de identificación y categorización de residuos en la fuente puede lograr esto. Por lo tanto, el objetivo del artículo es identificar el estado de la investigación sobre drones impulsados por inteligencia artificial en la identificación y categorización de residuos. Este artículo llevará a cabo una revisión sistemática y un meta-análisis sobre la aplicación de la tecnología de drones integrada con tecnología de detección de imágenes y métodos de aprendizaje profundo para la gestión de residuos. Se exploran diferentes sistemas y se realiza un meta-análisis cuantitativo de sus métricas de rendimiento (como la puntuación F1) para determinar la mejor integración de la tecnología. Por lo tanto, la investigación propone diseñar y desarrollar un modelo híbrido de aprendizaje profundo con arquitectura integrada (modelo YOLO-Transformer) que pueda capturar datos de imágenes multiespectrales de drones para la identificación, categorización y posible valorización de flujos de residuos para los gestores de residuos en entornos de pequeña escala.