El cultivo de col kimchi en Corea del Sur siempre ha enfrentado desafíos significativos debido a la presencia inminente de la mancha foliar de Alternaria (ALS), que es una enfermedad fúngica causada principalmente por . La aparición de manchas negras resultantes de la infección por Alternaria disminuye la calidad de la planta, volviéndola no comestible y no comercializable. La identificación oportuna de esta enfermedad es crucial, ya que proporciona datos esenciales que permiten una intervención rápida, localizando así la infección en todo el campo. Las tecnologías de imagen hiperespectral destacan en la detección de cambios sutiles en los valores de reflectancia inducidos por diferencias químicas dentro de los tejidos de las hojas. Sin embargo, la investigación sobre la correlación espectral entre Alternaria y la col kimchi sigue siendo relativamente escasa. Por lo tanto, este estudio tiene como objetivo identificar la firma espectral de la infección en la col kimchi y desarrollar un clasificador automático para detectar síntomas de la enfermedad. fue inoculado en hojas de col kimchi de varios tamaños y observado diariamente utilizando un sistema de imagen hiperespectral. Se crearon conjuntos de datos basados en imágenes hiperespectrales capturadas para entrenar cuatro modelos de clasificación, incluidos máquina de vectores de soporte (SVM), bosque aleatorio (RF), red neuronal convolucional unidimensional (1D-CNN) y red residual unidimensional (1D-ResNet). Los resultados sugieren que 1D-ResNet supera a los otros modelos con una precisión general de 0.91, mientras que SVM, RF y 1D-CNN lograron 0.80, 0.88 y 0.86, respectivamente. Este estudio puede sentar las bases para futuras investigaciones sobre la detección de enfermedades de alto rendimiento, incorporando frecuentemente drones e imágenes aéreas.