Este documento aborda el desafío de estimar con precisión las orientaciones de las abejas en las plataformas de aterrizaje de las colmenas, lo cual es crucial para optimizar las prácticas apícolas y mejorar la productividad agrícola. La investigación utiliza modelos de postura YOLOv8, entrenados en un conjunto de datos creado utilizando una herramienta de anotación de visión por computadora de código abierto. El proceso de anotación implica asociar cajas delimitadoras con puntos clave para representar las orientaciones de las abejas, con cada abeja anotada utilizando dos puntos clave: uno para la cabeza y otro para el aguijón. Los modelos de postura YOLOv8 demuestran una alta precisión, logrando un 98% de precisión tanto para la detección de cajas delimitadoras como de puntos clave en imágenes en px. Sin embargo, se abordan compensaciones entre el tamaño del modelo y la velocidad de procesamiento, con el modelo nano más pequeño alcanzando 67 cuadros por segundo en imágenes en px. El modelo de detección de la rampa de entrada logra un 91.7% de intersección sobre unión en cuatro puntos clave, lo que lo hace efectivo para detectar la plataforma de aterrizaje de la colmena. El documento concluye con planes para investigaciones futuras, incluido el análisis del comportamiento de las colonias de abejas y la optimización del modelo para aplicaciones en tiempo real.