El contenido de clorofila es un índice importante que refleja el estado de crecimiento y el nivel nutricional de las plantas. La monitorización rápida, precisa y no destructiva del contenido SPAD de los manzanos puede proporcionar una base para la monitorización a gran escala y la gestión científica del estado de crecimiento de los manzanos. En este estudio, las hojas del dosel de los manzanos en diferentes etapas de crecimiento en el mismo año fueron tomadas como objeto de investigación, y se adquirieron imágenes de teledetección de árboles frutales en diferentes etapas de crecimiento (etapa de caída de flores, etapa de cuajado de frutos, etapa de expansión de frutos, etapa de coloración de frutos y etapa de maduración de frutos) a través de un vehículo aéreo no tripulado multispectral DJI MAVIC 3. Luego, se extrajo la reflectancia espectral para calcular 15 índices de vegetación comunes como valores propios, se seleccionaron los 5 índices de vegetación con la mayor correlación a través de un análisis de correlación de Pearson como la combinación de características, y los valores SPAD medidos en las hojas de los árboles frutales se obtuvieron utilizando un medidor de clorofila portátil en las mismas etapas. Los modelos de estimación para los valores SPAD en diferentes etapas de crecimiento fueron establecidos respectivamente a través de cinco algoritmos de aprendizaje automático: regresión lineal múltiple (MLR), regresión de mínimos cuadrados parciales (PLSR), regresión de vectores de soporte (SVR), bosque aleatorio (RF) y aumento extremo de gradientes (XGBoost). Además, el rendimiento del modelo fue evaluado seleccionando el coeficiente de determinación (R), el error cuadrático medio (RMSE) y el error absoluto medio (MAE). Los resultados muestran que los resultados de estimación SPAD varían de etapa a etapa, donde el mejor modelo de estimación para la etapa de caída de flores, la etapa de cuajado de frutos y la etapa de maduración de frutos es RF y aquellos para la etapa de expansión de frutos y la etapa de coloración de frutos son PLSR y MLR, respectivamente. Entre los modelos de estimación en las diferentes etapas de crecimiento, la precisión del modelo para la etapa de expansión de frutos es la más alta, con R = 0.787, RMSE = 0.87 y MAE = 0.644. El modelo RF, que supera a los otros modelos en cuanto al efecto de predicción en múltiples etapas de crecimiento, puede predecir eficazmente el valor SPAD en las hojas de los manzanos y proporcionar una referencia para la monitorización del estado de crecimiento y la gestión precisa de los huertos.