L'identificazione automatica e affidabile delle malattie degli alberi da frutto può supportare gli agricoltori nell'attuare interventi tempestivi e mirati, riducendo così le perdite economiche. Questo elaborato si propone di sviluppare un metodo basato su deep learning per il riconoscimento di alberi di nocciolo sani e malati. In questo studio sono state utilizzate immagini RGB e multispettrali acquisite in diversi periodi di tempo e in condizioni di illuminazione variabili, tramite drone DJI P4 Multispectral, al fine di rilevare e classificare alberi di nocciolo sani e malati. Nella fase preliminare sono state analizzate diverse tecniche di segmentazione presenti in letteratura, selezionando due approcci per la sperimentazione: il metodo 'Citrus', basato su immagini RGB e originariamente testato su agrumeti, e il metodo basato su NDVI.