Este documento presenta una inspección visual automática de los defectos en la superficie exterior de tanques de petróleo utilizando vehículos aéreos no tripulados (UAV) y procesamiento de imágenes con dos algoritmos de lógica difusa en cascada. La corrosión es uno de los defectos que tiene un efecto serio en la seguridad de la superficie de los tanques de petróleo y gas. En la actualidad, la inspección humana y la inspección con robots trepadores son el enfoque dominante para la detección de óxido en tanques de petróleo y gas. Sin embargo, hay muchas desventajas en este enfoque, como el tiempo prolongado, el alto costo y la cobertura de una menor área de inspección del tanque. El propósito de esta investigación es detectar el óxido en los tanques de petróleo mediante la localización de la tecnología de inspección visual utilizando UAV, así como desarrollar algoritmos para distinguir entre defectos y ruido. El estudio se centra en dos aspectos básicos de la inspección de tanques de petróleo a través de las imágenes capturadas por el UAV, a saber, la detección de defectos y la distinción entre defectos y ruido. Para el primero, se desarrolló un algoritmo de procesamiento de imágenes para mejorar o eliminar el ruido, ajustar el brillo de la imagen capturada y extraer características para identificar defectos en los tanques de petróleo. Mientras tanto, para el segundo aspecto, se desarrolló un algoritmo de lógica difusa en cascada y un algoritmo de umbral para distinguir entre defectos y niveles de ruido y reducir su impacto a través de tres etapas de procesamiento: La primera etapa de lógica difusa tiene como objetivo distinguir entre defectos y ruido bajo generado por la aparición de objetos en la superficie del tanque, como árboles o escaleras, y reducir su impacto. La segunda etapa tiene como objetivo distinguir entre defectos y ruido medio generado por sombras o la presencia de pequeños objetos en la superficie del tanque y reducir su impacto. La tercera etapa del algoritmo de umbral tiene como objetivo distinguir entre defectos y ruido alto generado por sedimentación en la superficie del tanque y reducir su impacto. Las muestras se clasificaron en función de la salida de la tercera etapa del proceso de umbral en muestras defectuosas o no defectuosas. Los algoritmos propuestos se probaron en 180 muestras y los resultados muestran su superioridad en la inspección y detección de defectos con una precisión del 83%.