La identificación y monitoreo de enfermedades en cultivos es un tema de investigación importante en la agricultura inteligente. En particular, es un requisito previo para la detección de enfermedades y el mapeo de áreas infectadas. La fusariosis de la espiga del trigo (FHB) es una seria amenaza para la calidad y rendimiento del trigo, por lo que el monitoreo rápido de la FHB del trigo es importante. Este estudio propuso un método basado en vehículos aéreos no tripulados (UAV) de teledetección a baja altitud y tecnología de imágenes multiespectrales combinada con análisis espectral y textural para monitorear la FHB. En primer lugar, se recolectaron imágenes multiespectrales de la población de trigo mediante UAV. En segundo lugar, se extrajeron 10 índices de vegetación (VIs) de las imágenes multiespectrales. Además, se extrajeron tres tipos de índices texturales (TIs), incluido el índice de textura de diferencia normalizada (NDTI), índice de textura de diferencia (DTI) e índice de textura de relación (RTI) para análisis y modelado posteriores. Finalmente, los VIs, TIs y VIs y TIs integrados como características de entrada, combinados con k-vecinos más cercanos (KNN), la máquina de vectores de soporte de optimización de enjambre de partículas (PSO-SVM) y XGBoost se utilizaron para construir modelos de monitoreo de la FHB del trigo. Los resultados mostraron que el algoritmo XGBoost con la fusión de VIs y TIs como características de entrada tiene el mejor rendimiento con una precisión y puntaje F1 del conjunto de prueba de 93.63% y 92.93%, respectivamente. Este estudio proporciona un nuevo enfoque y tecnología para el monitoreo rápido y no destructivo de la FHB del trigo.