Debido a sus distintas ventajas de eficiencia económica y adaptabilidad, los Vehículos Aéreos No Tripulados (VANT) pueden servir como recolectores de datos móviles, recopilando datos de los Dispositivos de Internet de las Cosas (IoT). Como una tecnología emergente prometedora, la Superficie Reflectante Inteligente (SRI) tiene el potencial de superar barreras arquitectónicas y mejorar la calidad de la comunicación en entornos urbanos. Este estudio investiga el desarrollo de un sistema de recolección de datos de IoT adaptado a entornos urbanos, aprovechando la operación sinérgica de múltiples VANT y SRI. A la luz de la capacidad de cobertura limitada de una SRI individual, desplegamos varias SRI, con múltiples VANT estacionados en varias estaciones base (BS) para recopilar datos de los IoT. Proponemos un enfoque de algoritmo genético de agrupamiento independiente de red profunda Q doble con optimización alternante (GGA-IDDQN-AO), con el objetivo de minimizar el tiempo promedio de finalización de la misión para un ciclo de misión. Este enfoque optimiza tanto las estrategias de despliegue como de asignación de misiones de los VANT utilizando el algoritmo genético de agrupamiento. Además, al integrar el aprendizaje por refuerzo profundo con el algoritmo de optimización alternante, se ajustan las trayectorias de vuelo de los VANT y los cambios de fase de las SRI. La efectividad del enfoque GGA-IDDQN-AO se valida a través de simulaciones exhaustivas, que demuestran que la integración de las SRI conduce a una notable mejora en el sistema de recolección de datos de IoT.