El sector ganadero en Colombia se ha visto afectado en los últimos años por el aumento del robo de ganado bovino generando pérdidas millonarias para el gremio. La ganadería en el país se realiza por pastoreo extensivo lo que hace difícil de monitorear los animales en tiempo real. En este trabajo se propuso una primera fase hacia la construcción de un sistema para la vigilancia automática de ganado a cielo abierto, mediante la adquisición de imágenes aéreas tomadas con drones. Para llevarlo a cabo, se tomaron alrededor de 13000 fotografías de ganado en cuatro fincas del oriente antioqueño, se etiquetaron manualmente y se construyó un modelo para la detección de ganado a partir de una arquitectura de redes neuronales profundas llamada YOLO. En las métricas de evaluación de desempeño del modelo entrenado, se obtuvieron valores de precisión del 82% con niveles de sensibilidad del 75% en etapas de prueba y validación. A pesar de que el estudio planteado es de tipo exploratorio, los resultados obtenidos muestran el potencial de utilizar este tipo de herramientas en la construcción de una aplicación funcional para la prevencióndel robo de ganado en Colombia.