La segmentación semántica nocturna representa una frontera desafiante en la visión por computadora, dificultada particularmente por severas condiciones de poca luz, ruido pronunciado y patrones de iluminación complejos. Estos desafíos se intensifican al tratar con imágenes de Vehículos Aéreos No Tripulados (UAV), donde los ángulos de cámara y altitudes variables agravan la dificultad. En este artículo, presentamos NoctuDroneNet (Red de Drones UAV Nocturnos, en adelante denominada NoctuDroneNet), un modelo de segmentación en tiempo real diseñado específicamente para escenarios nocturnos de UAV. Nuestro enfoque integra razonamiento global basado en convoluciones con módulos de alineación semántica solo durante el entrenamiento para manejar de manera efectiva diversas y extremas condiciones nocturnas. Construimos un nuevo conjunto de datos, NUI-Night, centrado en escenas de UAV con baja iluminación para evaluar rigurosamente el rendimiento en condiciones raramente representadas en los estándares de referencia. Más allá de NUI-Night, evaluamos NoctuDroneNet en el Conjunto de Datos de Drones Variados (VDD), un conjunto de datos de UAV con iluminación normal, demostrando la robustez y adaptabilidad del modelo a diversos dominios de vuelo a pesar de la falta de grandes estándares de referencia de UAV en condiciones de poca luz. Además, las evaluaciones en el conjunto de datos Night-City confirman su escalabilidad y aplicabilidad a entornos urbanos complejos durante la noche. NoctuDroneNet logra un rendimiento de vanguardia en NUI-Night, superando fuertes líneas base en tiempo real tanto en precisión de segmentación como en velocidad. Los análisis cualitativos destacan su resistencia a la sub/sobreexposición y la detección de objetos pequeños, subrayando su potencial para aplicaciones en el mundo real, como aterrizajes de emergencia de UAV bajo mínima iluminación.