Los bosques mixtos de edades desiguales han sido reconocidos como importantes contribuyentes a la conservación de la biodiversidad, la estabilidad ecológica, la captura de carbono, el suministro de servicios ecosistémicos y la producción sostenible de madera. Recientemente, numerosos estudios han demostrado la aplicabilidad de integrar conjuntos de datos de teledetección con aprendizaje automático para fines de gestión forestal, como la clasificación de tipos de bosques y la identificación de árboles individuales. Sin embargo, los estudios que se centran en la integración de conjuntos de datos de vehículos aéreos no tripulados (VANT) con aprendizaje automático para la cartografía de grupos de especies de árboles en bosques mixtos de edades desiguales siguen siendo limitados. Así, este estudio exploró la viabilidad de integrar imágenes de VANT con algoritmos de clasificación basados en segmentación semántica para describir los doseles de especies de coníferas y de hojas anchas en bosques mixtos de edades desiguales. El estudio se llevó a cabo en dos subcompartimentos del Bosque Hokkaido de la Universidad de Tokio en el norte de Japón. Analizamos imágenes de VANT utilizando los modelos de clasificación U-Net basados en segmentación semántica y random forest (RF). Los resultados indican que la integración de imágenes de VANT con el modelo U-Net generó mapas de clasificación de cobertura de dosel de coníferas y de hojas anchas confiables en ambos subcompartimentos, mientras que el modelo RF a menudo no logró distinguir las copas de las coníferas. Además, nuestros hallazgos demuestran el potencial de este método para detectar grupos de especies de árboles dominantes en bosques mixtos de edades desiguales.