Ein Multisensor-Messsystem, bestehend aus einer SWIR-Hyperspektralkamera, einer RGB- und einer RGB-NoIR-Kamera wurde konfiguriert, um berührungslos den Gesundheitszustand von Salatpflanzen in Hinblick auf einen potenziellen Befall mit Echtem Mehltau zu ermitteln. Am Ende stand ein Labor-Funktionsmuster, das die Möglichkeit bietet, Bilddaten der verschiedenen Sensoren zu fusionieren, Pflanzengewebe in den Bildern zu erkennen und Reflexionsdaten der Hyperspektralkamera unter Verwendung von Algorithmen des maschinellen Lernens hinsichtlich eines Befalls mit Echtem Mehltau zu differenzieren. Die fünf unterschiedlichen Algorithmen des maschinellen Lernens, Random Forest, Support Vector Machine, Gradient Boosting, AdaBoost und Neural Network, zeigten alle sehr gute Ergebnisse im Hinblick auf die Differenzierung von gesunden und infizierten Blattproben. Eine Validierung der Klassifikatoren in Verbindung mit Pflanzen, deren Gesundheitszustand unbekannt ist, fand noch nicht statt. Die durchgeführten Untersuchungen stellen die Grundlage für die Weiterentwicklung des Multisensor-Messsystems zu einem in der Pflanzenproduktion einzusetzenden Prototypen dar, der Pflanzenbestände hinsichtlich des Gesundheitszustandes und bei möglicher Kombination mit Verfahren zur Bestimmung des Wasserversorgungszustands überwachen kann.