La imagenología hiperespectral (HSI) es una herramienta prometedora en la cuantificación de clorofila, proporcionando un método no invasivo para recopilar información importante para una gestión efectiva de cultivos. HSI contribuye a las soluciones de seguridad alimentaria al optimizar los rendimientos de los cultivos. En este estudio, presentamos un sistema HSI personalizado diseñado específicamente para proporcionar un análisis cuantitativo del contenido de clorofila en las hojas (LCC). Para asegurar una estimación precisa, se identificaron longitudes de onda significativas utilizando un análisis de bandas óptimas. Nuestra investigación se centró en dos conjuntos de 120 muestras de hojas obtenidas de la variante de arroz Chaew Khing, única en Tailandia. Las muestras fueron sometidas a (i) una evaluación analítica de LCC y (ii) imagenología HSI para la captura de datos de reflectancia espectral. Una comparación de regresión lineal de estos conjuntos de datos reveló que las bandas verde (575 +/- 2 nm) y de infrarrojo cercano (788 +/- 2 nm) fueron las más destacadas. Notablemente, el índice de vegetación de diferencia normalizada en verde (GNDVI) fue el más confiable durante la validación cruzada (y RMSE = 2.4 ugcm), superando a otros índices vegetales examinados (VIs), como la relación simple (ROJO/VERDE) y el índice de clorofila. El desarrollo potencial de un sensor simplificado dependiente solo de estas dos longitudes de onda es un resultado significativo de la identificación de estas dos bandas óptimas. Esta innovación puede integrarse sin problemas en paisajes agrícolas o acoplarse a UAVs, permitiendo un monitoreo en tiempo real y rápidas intervenciones de gestión de nitrógeno dirigidas.