Los investigadores están persiguiendo activamente avances en redes neuronales convolucionales y su aplicación en sistemas anti-drones para tareas de clasificación de drones. Nuestro estudio investiga la hipótesis de que la precisión de la clasificación de drones en el dominio de radiofrecuencia puede mejorarse a través de un enfoque híbrido. Específicamente, nuestro objetivo es combinar lógica difusa para la detección de bordes en imágenes (los espectrogramas de las señales de radio de los drones) con redes neuronales convolucionales y redes neuronales convolucionales recurrentes para tareas de clasificación. El enfoque propuesto, FLEDNet, introduce una estrategia de ingeniería adaptada diseñada para abordar los desafíos de clasificación en el dominio de radiofrecuencia, particularmente en lo que respecta a la detección de drones, la identificación de tipos de drones y la detección de múltiples drones, incluso dentro de diferentes relaciones señal-ruido. La fortaleza de este enfoque adaptado radica en la implementación de un método de detección de bordes sencillo basado en lógica difusa y redes neuronales convolucionales y convolucionales recurrentes simples. La efectividad de este enfoque se valida utilizando el conjunto de datos VTI_DroneSET, disponible públicamente, en dos bandas de frecuencia diferentes y se confirma a través de inferencias prácticas en la computadora embebida NVIDIA Jetson Orin NX con el receptor de radiofrecuencia USRP-2954. En comparación con otros enfoques, FLEDNet demostró un aumento del 4.87% en la precisión para la detección de drones, una mejora del 13.41% en la identificación de tipos de drones y un aumento del 7.26% en la detección de múltiples drones. Esta mejora se logró integrando métodos de detección de bordes sencillos basados en lógica difusa y redes neuronales, lo que llevó a una mayor precisión y una reducción en las falsas alarmas del enfoque propuesto, con aplicaciones potenciales en sistemas anti-drones en el mundo real. El enfoque FLEDNet contrasta con otros esfuerzos de investigación que han empleado metodologías de procesamiento de imágenes más complejas junto con modelos de clasificación sofisticados.