La industria de la construcción está en camino hacia la transformación digital. Uno de los principales desafíos en este proceso es la inspección, evaluación y mantenimiento de infraestructuras civiles y elementos de construcción. Sin embargo, la Inteligencia Artificial (IA) y los Vehículos Aéreos No Tripulados (VANT) pueden apoyar los tediosos y que consumen mucho tiempo procesos de inspección. Este artículo presenta un sistema innovador basado en la detección de objetos que permite la detección y geo-referenciación de diferentes señales de tráfico a partir de imágenes RGB capturadas por la cámara a bordo de un dron, mejorando así la realización de inventarios de elementos viales en infraestructuras civiles. El componente de visión por computadora sigue la metodología típica para un software basado en aprendizaje profundo: creación de conjuntos de datos, elección y entrenamiento del modelo de detección de objetos más preciso, y pruebas. El resultado es la creación de un nuevo conjunto de datos con una mayor variedad de señales de tráfico y un sistema basado en la detección de objetos utilizando Faster R-CNN para permitir la detección y geolocalización de señales de tráfico a partir de imágenes capturadas por drones. A pesar de algunos desafíos significativos, como la falta de imágenes capturadas por drones con señales de tráfico etiquetadas y el desequilibrio en el número de imágenes para la detección de señales de tráfico, el componente de visión por computadora permite la detección precisa de señales de tráfico a partir de imágenes de VANT.