El fitoplasma de la hoja blanca de la caña de azúcar (enfermedad de la hoja blanca) en los cultivos de caña de azúcar es causado por un fitoplasma transmitido por vectores de saltamontes. La enfermedad de la hoja blanca (EHB) ocurre predominantemente en algunos países asiáticos y representa una amenaza global devastadora para las industrias de la caña de azúcar, especialmente en Sri Lanka. Por lo tanto, un enfoque viable y efectivo para monitorear con precisión la infección por EHB es importante, especialmente en la etapa temprana pre-visual. Este trabajo presenta el primer enfoque sobre la detección preliminar de la EHB de la caña de azúcar utilizando sensores multiespectrales de alta resolución montados en vehículos aéreos no tripulados (VANT) y clasificadores de aprendizaje automático supervisado. La tubería de detección discutida en este documento fue validada en un campo de caña de azúcar ubicado en la Plantación Gal-Oya, Hingurana, Sri Lanka. Las muestras segmentadas por píxeles fueron clasificadas como suelo, sombra, planta sana, síntoma temprano y síntoma severo. Se implementaron cuatro algoritmos de aprendizaje automático, a saber, XGBoost (XGB), bosque aleatorio (RF), árbol de decisión (DT) y vecinos más cercanos (KNN), junto con diferentes bibliotecas de Python, índices de vegetación (IV) y cinco bandas espectrales para detectar la EHB en el campo de caña de azúcar. Se alcanzó una tasa de precisión del 94% en XGB, RF y KNN para detectar EHB en el campo. Los tres principales índices de vegetación (IV) para separar cultivos de caña de azúcar sanos e infectados son el índice de vegetación ajustado por suelo modificado (MSAVI), el índice de vegetación de diferencia normalizada (NDVI) y el exceso de verde (ExG) en XGB, RF y DT, mientras que la mejor banda espectral es el rojo en XGB y RF y el verde en DT. Los resultados revelaron que esta tecnología proporciona un método confiable, más directo, rentable y rápido para detectar la EHB.