Este estudio profundiza en las misiones vitales de las fuerzas armadas, que abarcan la defensa de la integridad territorial, la soberanía y el apoyo a las instituciones civiles. Los comandantes enfrentan decisiones cruciales, donde la responsabilidad subraya la necesidad de contar con inteligencia de campo confiable. Aprovechar la inteligencia artificial, específicamente el algoritmo de detección YOLO versión cinco, garantiza un paradigma de eficiencia y precisión. La presentación de modelos entrenados, acompañados de hiperparámetros pertinentes y especificaciones del conjunto de datos derivados de videos y fotos de insignias militares públicas, revela una evaluación matizada. Los resultados analizados a través de métricas de precisión, recuperación, map@0.5, mAP@0.95 y puntuación F1, iluminan la supremacía del modelo que emplea Descenso de Gradiente Estocástico a una resolución de 640 x 640: 0.966, 0.957, 0.979, 0.830 y 0.961. Por el contrario, el rendimiento subóptimo del modelo que utiliza el optimizador Adam registra métricas de 0.818, 0.762, 0.785, 0.430 y 0.789. Estos resultados subrayan el potencial del modelo para la detección de objetos militares en diversos terrenos, con perspectivas futuras que consideran la implementación en vehículos aéreos no tripulados para amplificar y desplegar el modelo de manera efectiva.