Los invertebrados son abundantes en entornos de horticultura y agricultura, y pueden ser perjudiciales. La detección temprana de plagas para un sistema de manejo integrado de plagas con una integración de métodos físicos, biológicos y profilácticos tiene un gran potencial para obtener mejores rendimientos de los cultivos. Las técnicas de visión por computadora con imágenes multiespectrales se utilizan para detectar y clasificar plagas en condiciones ambientales dinámicas, como variaciones de luz solar, oclusiones parciales, bajo contraste, etc. Se han propuesto varios enfoques de aprendizaje profundo de última generación, pero existen algunas limitaciones importantes para estos métodos. Por ejemplo, se requieren imágenes etiquetadas para supervisar el entrenamiento de redes profundas, lo cual es un trabajo tedioso. En segundo lugar, una gran base de datos in situ con condiciones ambientales variantes no está disponible para el aprendizaje profundo, o es difícil de construir para bioagresores inquietos. En este documento, proponemos un algoritmo de detección de plagas multispectrales basado en visión artificial, el cual no requiere ningún tipo de entrenamiento supervisado de red. Las imágenes multiespectrales se utilizan como entrada para el algoritmo de detección de plagas propuesto, y cada imagen proporciona información completa sobre diferentes características texturales y morfológicas, e información visible, es decir, tamaño, forma, orientación, color y patrones alares para cada insecto. La identificación de características se realiza mediante un algoritmo SURF, y la extracción de características se lleva a cabo mediante la regresión de la mediana de los cuadrados mínimos (LMEDS). La fusión de características de las imágenes RGB y NIR en las coordenadas de la luz ultravioleta (UV) se realiza después de una transformación afín. Los errores de identificación promedio de tipo I, II y el error promedio total superan los errores promedio de los métodos de última generación. Los errores promedio de tipo I, II y total, con un peso del 6.672% de UV, se redujeron a 1.62, 40.27 y 3.26, respectivamente.