<![CDATA[Perkembangan teknologi Unmanned Aerial Vehicle (UAV) telah mendorong transformasi sistem pengawasan modern pada berbagai sektor, termasuk keamanan, pertahanan, mitigasi bencana, dan pemantauan wilayah. Integrasi deep learning pada embedded system memungkinkan UAV tidak hanya berfungsi sebagai platform akuisisi data, tetapi juga sebagai sistem cerdas yang mampu melakukan analisis visual secara real-time langsung pada perangkat melalui konsep edge computing. Penelitian ini bertujuan untuk menganalisis penerapan deep learning pada embedded system untuk UAV surveillance, meliputi perkembangan teknologi, keunggulan implementasi, tantangan teknis, serta peluang pengembangannya di masa depan. Penelitian menggunakan metode kualitatif dengan pendekatan studi literatur. Data diperoleh dari jurnal ilmiah, prosiding konferensi, buku akademik, dan publikasi relevan periode 2020–2026. Analisis data dilakukan melalui reduksi data, kategorisasi tema, sintesis temuan, dan interpretasi kritis. Hasil penelitian menunjukkan bahwa penerapan deep learning pada embedded system mampu meningkatkan kemampuan deteksi objek secara otomatis, mempercepat respons sistem, meningkatkan efisiensi operasional, serta mengurangi ketergantungan terhadap server eksternal. Namun demikian, implementasi masih menghadapi tantangan berupa keterbatasan kapasitas komputasi, konsumsi energi, kebutuhan optimasi model, dan keandalan sistem pada lingkungan dinamis. Penelitian ini menyimpulkan bahwa integrasi deep learning dan embedded system memiliki prospek yang sangat besar dalam pengembangan UAV surveillance modern, khususnya untuk mendukung sistem keamanan dan pertahanan berbasis teknologi cerdas. ]]>
