La producción de maíz en Ecuador no abastece las necesidades internas del producto, debido a que un alto porcentaje de unidades de producción tienen un bajo nivel de tecnificación y suponen nulo o mínimo uso de herramientas tecnológicas. En el presente proyecto se evaluó indicadores de contenido de nitrógeno en el cultivo de maíz (Zea mays) mediante relaciones cuantitativas y el uso de técnicas de teledetección y aprendizaje profundo permiten el diagnóstico del estado nutricional de las plantas. Se desarrollaron modelos de DL de segmentación semántica para predecir la altura y el contenido de clorofila del maíz a partir de imágenes multiespectrales del cultivo tomadas con dron. Los resultados mostraron un iou score del 80% en la predicción de altura y 62% en la predicción de clorofila. Además, se evaluó la correlación de los índices de vegetación (IV) vs variables agronómicas y productiva, los resultados evidenciaron que los IV describen las características agronómicas y productiva de las plantas con R2 = 0.95 y 0.87 para los IV GRRI y NDRE.