Este estudio propone un nuevo marco de fusión multimodal basado en Transformer para la detección de enfermedades de la uva, integrando imágenes RGB, datos hiperespectrales y lecturas de sensores ambientales. A diferencia de los enfoques tradicionales de un solo modal, el método propuesto aprovecha una arquitectura basada en Transformer para capturar de manera efectiva las dependencias espaciales, espectrales y ambientales, mejorando la precisión en la detección de enfermedades bajo condiciones variables.