Este documento describe el desarrollo de un modelo de aprendizaje profundo para clasificar imágenes aéreas tomadas por drones después de un terremoto, etiquetando las imágenes con o sin daños. Se recolectaron más de 3,000 imágenes de cinco pueblos y se entrenó un modelo Inception con reentrenamiento, logrando una exactitud máxima de 67.5%. El prototipo resultante podría usarse para mapear daños y distribuir recursos de manera eficiente después de desastres.