Este estudio propone un método computacional para detectar asbesto en imágenes hiperespectrales. La metodología incluye cinco fases: selección de píxeles de muestra y obtención del píxel característico, determinación de los picos prominentes de la curva espectral, implementación del método con definición de umbrales de referencia, aplicación del método a imágenes de prueba, y evaluación comparativa de efectividad y eficiencia. El método identifica píxeles de asbesto calculando la distancia euclidiana entre los picos prominentes de las curvas espectrales. Los resultados muestran que no hay traslape entre las distancias máximas de píxeles de asbesto y las mínimas de no asbesto, logrando detectar el 11.87% de píxeles de asbesto en la imagen de prueba. Aunque el método de correlación es 1.02% más rápido, la diferencia es mínima. Este método puede ser aplicado a otros materiales y contribuye al diagnóstico urbano de materiales peligrosos como el asbesto.