El presente proyecto aborda el desarrollo de un sistema autónomo para la inspección de cultivos utilizando vehículos aéreos no tripulados (drones) y procesamiento de imágenes. El objetivo principal es detectar automáticamente las hileras de cultivo y generar trayectorias eficientes para realizar una cobertura fotográfica completa del terreno. El sistema fue diseñado para operar tanto en simulación como en condiciones reales, permitiendo validar su comportamiento y precisión. El dron se controla mediante la plataforma PX4 (un sistema de control de vuelo de código abierto), en conjunto con ROS2 (Robot Operating System 2, un framework de desarrollo para robots), que facilita la integración de nodos encargados de distintos aspectos del sistema. Estos nodos controlan el dron en modo manual o autónomo, planifican misiones a partir de puntos GPS y toman imágenes durante el vuelo. Posteriormente, las imágenes capturadas son procesadas mediante una herramienta externa llamada OpenDroneMap (ODM), que permite generar ortomosaicos y mapas de alturas georreferenciados del terreno. Sobre este mapa de alturas se aplican técnicas de procesamiento digital de imágenes utilizando Python y OpenCV, incluyendo umbralización, operaciones morfológicas, detección de contornos y análisis estructural. Para representar el patrón de siembra, se emplea un diagrama de Voronoi generalizado que se genera a partir de los contornos de las hileras detectadas. A través de este modelo, se construye un camino de navegación para que el dron pueda realizar un vuelo que recorra las hileras de cultivo de forma ordenada y precisa. La planificación se adapta automáticamente a la disposición del campo y a la distancia entre hileras.La solución fue validada en un entorno simulado, permitiendo iterar sobre diferentes configuraciones, rutas y estrategias sin riesgos reales. La evaluación del sistema demostró su capacidad para generar rutas adaptadas al terreno y realizar vuelos autónomos exitosos, con imágenes alineadas espacialmente que permiten una inspección visual precisa del cultivo. Además, la solución implementada sirve como base para el desarrollo de un sistema que detecte malezas de forma visual en las imágenes generadas por vuelos autónomos de drones.