Los drones pueden ser muy útiles en la agricultura de precisión. Actualmente, la mayoría de las soluciones basadas en drones para la detección de enfermedades de las plantas incorporan cámaras multiespectrales, hiperespectrales o térmicas, que son costosas. Además, hay una tendencia en la actualidad a aplicar técnicas de aprendizaje automático a la agricultura de precisión, que son computacionalmente complejas e intensivas. En este trabajo, exploramos la viabilidad de detectar la enfermedad de la mancha ocre en plantaciones de almendros basándonos en técnicas convencionales de visión por computadora e imágenes de una cámara RGB de muy bajo costo que se coloca a bordo de un drone. Este enfoque permitirá que el sistema de detección sea simple y económico. Primero, realizamos un estudio del color en la enfermedad de la mancha ocre. En segundo lugar, desarrollamos un algoritmo específico que era capaz de procesar y analizar imágenes de calidad limitada de una cámara de muy bajo costo. Además, puede estimar el porcentaje de partes sanas y no sanas de la planta. Gracias al GPS a bordo del drone, el sistema puede proporcionar la ubicación de cada almendro enfermo. En tercer lugar, verificamos el funcionamiento del algoritmo con una variedad de fotografías de la enfermedad de la mancha ocre en almendros. El estudio demuestra que la eficiencia del algoritmo depende en gran medida de las condiciones ambientales, pero, a pesar de las limitaciones, los resultados obtenidos con las fotografías analizadas muestran una discrepancia máxima del 10% entre el porcentaje estimado y el porcentaje real del área no sana. Este enfoque muestra un gran potencial para su extensión a otros cultivos mediante la realización de estudios previos de color y adaptaciones.