Vespa velutina es un disruptor del ecosistema que causa daños anuales por valor de 170 mil millones de KRW (137 millones de USD) a la industria apícola de Corea del Sur. Debido a su alta fertilidad y hábitat elevado, es difícil de controlar. Este estudio tuvo como objetivo desarrollar un sistema para el control de los nidos de V. velutina utilizando drones para la detección y seguimiento de la ubicación en tiempo real de los nidos. Se adquirieron datos de imágenes de nidos de Vespa velutina en Buan-gun y Wanju-gun (Jeollabuk-do), y se realizó un aprendizaje de inteligencia artificial utilizando YOLO-v5. Se compararon y analizaron resoluciones de imágenes de drones de 640, 1280, 1920 y 3840 píxeles. Se seleccionó el modelo de resolución de 3840 píxeles, ya que no tuvo detecciones falsas para la imagen de verificación y mostró el mejor rendimiento de detección, con una precisión del 100%, un recall del 92.5%, una exactitud del 99.7% y una puntuación F1 del 96.1%. Se instaló una computadora (Jetson Xavier), un módulo de cinemática en tiempo real, un módem de evolución a largo plazo y una cámara en el dron para adquirir datos de ubicación e imágenes en tiempo real. Los datos de detección y ubicación de nidos de Vespa velutina se entregaron al usuario a través de un análisis de inteligencia artificial. Utilizando una velocidad de vuelo del dron de 1 m/s y manteniendo una altitud de 25 m, se realizaron experimentos de vuelo cerca de Gyeongcheon-myeon, Wanju-gun, Jeollabuk-do. Se localizaron con éxito un total de cuatro nidos de V. velutina. Se necesita más investigación sobre la precisión de detección de la inteligencia artificial en relación con objetos que requieren variaciones dependientes de la altitud en la exploración asistida por drones. Además, la aplicabilidad potencial de estos hallazgos de investigación a diversos dominios es de interés.