Para resolver el problema de la detección no destructiva del contenido de agua de los cultivos en condiciones exteriores, proponemos un método para predecir el contenido de agua del dosel de lechuga mediante la recolección de imágenes hiperespectrales al aire libre de plantas de lechuga en macetas y combinando técnicas de análisis espectral y métodos de entrenamiento de modelos. En primer lugar, se eliminó el ruido de fondo mediante la segmentación de correlación, propuesta en este documento, mediante la cual se realiza una corrección de la intensidad de la luz en las imágenes del dosel de lechuga segmentadas. Luego elegimos la primera derivada combinada con el centrado de la media (MC) para preprocesar los datos espectrales crudos. Posteriormente, las bandas de características fueron seleccionadas mediante una combinación de eliminación de variables no informativas de Monte Carlo (MCUVE) y muestreo de reponderación adaptativa competitiva (CARS) para eliminar información redundante. Finalmente, se construyó un modelo de predicción de la humedad del dosel de lechuga combinando mínimos cuadrados parciales (PLS). El coeficiente de correlación entre los valores predichos por el modelo y los valores medidos se utilizó como el principal índice de evaluación del rendimiento del modelo, y el coeficiente de correlación del conjunto de modelado fue del 82.71%, mientras que el coeficiente de correlación del conjunto de predicción fue del 84.67%. El contenido de agua de cada píxel del dosel de lechuga fue calculado por el modelo construido, y el mapa de distribución de agua de la lechuga visualizado fue generado mediante el procesamiento de imágenes de seudocolor, lo que finalmente reveló una visualización del contenido de agua de las hojas del dosel de lechuga en condiciones exteriores. Este estudio amplía las posibilidades de predicción de imágenes hiperespectrales del contenido de agua del dosel de lechuga en condiciones exteriores.