Este estudio explora la aplicación de técnicas de visión artificial para la detección de deforestación utilizando imágenes satelitales LANDSAT 7. Se emplearon dos algoritmos de clasificación principales, Random Forest y K-Means, para evaluar su efectividad en la identificación de áreas deforestadas. Random Forest, un método de aprendizaje supervisado, demostró alta precisión y robustez debido a su capacidad para manejar datos etiquetados y múltiples variables, lo que lo hace adecuado para esta tarea. Por otro lado, K-Means, un algoritmo no supervisado, tuvo dificultades con la precisión en este contexto, lo que destacó sus limitaciones al tratar con datos complejos del mundo real como imágenes satelitales. El método TOPSIS se aplicó para una evaluación multicriterio de los algoritmos, proporcionando una comparación exhaustiva que reveló la superioridad de Random Forest en esta aplicación. TOPSIS fue instrumental en la evaluación objetiva del rendimiento de cada algoritmo con base en varios criterios, asegurando un análisis equilibrado y exhaustivo. El estudio concluye que la integración de datos satelitales de alta resolución con técnicas sofisticadas de clasificación y evaluación como Random Forest y TOPSIS mejora significativamente la detección y el monitoreo de la deforestación, contribuyendo a estrategias de conservación forestal más efectivas.