La detección precisa de víctimas de ahogamiento en aguas abiertas sigue siendo un gran desafío para las operaciones de búsqueda y rescate (SAR) debido a la baja iluminación, reflejos, oclusiones y fondos complejos que degradan el rendimiento visual humano. Este estudio propone un sistema de UAV asistido por IA multimodal para la detección de ahogamientos en tiempo real utilizando una plataforma de múltiples rotores (<15 kg) equipada con sensores visuales, térmicos y de distancia integrados, junto con capacidades de geolocalización. Se entrenó un modelo de detección basado en aprendizaje profundo con 7103 imágenes recopiladas de sujetos humanos reales simulando cuatro escenarios de ahogamiento en entornos fluviales y costeros, con módulos adicionales de estabilización y preprocesamiento para mejorar la calidad de los datos. El sistema propuesto logra una precisión de detección del 98%, con una media de Precisión Promedio (mAP@0.5) de 0.991 y un pico de F1-score de 0.97. Los resultados demuestran un rendimiento de detección confiable en condiciones desafiantes, incluyendo poca luz, superficies de agua reflectantes y fondos complejos, y muestran una mejor identificación de objetivos de bajo contraste, como víctimas vestidas de oscuro. Estos hallazgos indican que el sistema propuesto proporciona una solución robusta y escalable para aplicaciones SAR acuáticas en tiempo real y mejora la efectividad de las operaciones de rescate asistidas por UAV.