El algodón juega un papel esencial en la vida humana global y en el desarrollo económico. Sin embargo, enfermedades como la mancha foliar representan una seria amenaza para la producción de algodón. Este estudio tiene como objetivo avanzar en el enfoque existente identificando la infección por mancha del algodón y clasificando su gravedad con mayor precisión. Se seleccionó un campo de algodón en Shihezi, Xinjiang en China para adquirir imágenes multiespectrales con un vehículo aéreo no tripulado (UAV); luego, se establecieron cincuenta y tres parcelas enmarcadas en el suelo de 50 cm por 50 cm con coordenadas definidas, y se tomó una foto de su dosel de algodón de cada una y se convirtió al espacio de color como muestra de entrenamiento o validación; finalmente, estas dos clases de imágenes fueron procesadas y combinadas para establecer un modelo de inversión de infección por mancha de algodón. Los resultados muestran que las bandas Roja, Rojo Borde y NIR de las imágenes multiespectrales de UAV resultaron ser las más sensibles a los cambios en el color de las hojas de algodón causados por la infección de la mancha; se verificó que el NDVI y el GNDVI podían inferir información sobre la infección por mancha de algodón a partir de las imágenes de UAV, de las cuales la precisión de la calibración del modelo fue del 84%. Luego, se identificó espacialmente el estado de la infección por mancha de algodón con cuatro niveles de gravedad. Finalmente, se construyó y validó un modelo de inversión de infección por mancha de algodón con fotos enmarcadas en el suelo para poder explicar aproximadamente el 86% de la varianza total. Evidentemente, las imágenes multiespectrales de UAV acopladas con fotos enmarcadas en el suelo del dosel de algodón pueden mejorar la precisión en la identificación de la infección por mancha de algodón y la clasificación de la gravedad, y por lo tanto proporcionar un enfoque más confiable para monitorear de manera efectiva los daños causados por esta enfermedad del algodón.