La detección de la enfermedad del taro es un problema importante que afecta el cultivo de taro. Los métodos tradicionales de prevención de enfermedades se basan en la identificación manual, lo que está limitado por la subjetividad y el alcance. Se utilizó un vehículo aéreo no tripulado (UAV) para capturar imágenes espectrales de campos de taro naturales, facilitando el monitoreo eficiente de la enfermedad del taro. Los datos de la encuesta de campo se integraron con estas imágenes para desarrollar un modelo para monitorear la gravedad de la enfermedad del taro. El modelo de red neuronal de retropropagación (BPNN) mostró un rendimiento óptimo durante las etapas tempranas y medias de la formación del taro cuando se usaron parámetros hiperespectrales como variables de entrada. En la etapa temprana, el modelo BPNN logró un coeficiente de determinación (R) de 0,92 y un RMSE de 0,054 en el conjunto de entrenamiento, y obtuvo un R de 0,89 con un error cuadrático medio (RMSE) de 0,074 en el conjunto de validación. El modelo de regresión de bosque aleatorio (RFR) tuvo el mejor rendimiento durante la etapa temprana de la formación del taro con índices de vegetación multiespectrales como variables de entrada. Los modelos mostraron capacidades predictivas sólidas en varias etapas, especialmente durante la etapa temprana de la formación del taro. Los resultados demuestran que la teledetección UAV, combinada con parámetros característicos e índices de enfermedades, presenta un método preciso de monitoreo de la enfermedad del taro que puede mejorar sustancialmente la gestión de enfermedades en el cultivo de taro.