La caña de azúcar es una especie de hierba perenne principalmente para la producción de azúcar y uno de los cultivos significativos en Costa Rica, donde las condiciones de crecimiento ideales apoyan su cultivo. El control de malezas es un aspecto crítico de la agricultura de caña de azúcar, tradicionalmente gestionado a través de métodos mecánicos y químicos preventivos o correctivos. Sin embargo, estos métodos pueden ser que consuman mucho tiempo y sean costosos. Este estudio tuvo como objetivo desarrollar mapas de prescripción de tasa variable específicos para el sitio para el control de malezas utilizando teledetección. Se adquirieron imágenes de alta resolución espacial (5 cm) y detección y medición de luz (LiDAR) utilizando una cámara Micasense Rededge-P y un sensor DJI L1 montado en un dron. Se recopilaron ubicaciones precisas de malezas para calibración y validación. El Índice de Vegetación de Diferencia Normalizada derivado de imágenes multiespectrales separó la cobertura vegetal y el suelo. Un algoritmo de aprendizaje profundo (DL) clasificó aún más la cobertura vegetal en caña de azúcar y malezas. El modelo DL funcionó bien sin sobreajuste. La precisión de clasificación fue del 87% en comparación con las muestras de validación. La densidad y las alturas promedio de los parches de malezas se extrajeron del modelo de altura del dosel (LiDAR). Se utilizaron para derivar mapas de prescripción específicos para el sitio para el control de malezas. Esta alternativa eficiente y precisa a los métodos tradicionales podría optimizar el control de malezas, reducir el uso de herbicidas y proporcionar un rendimiento más rentable.