La producción de granos de arroz es importante para la economía mundial. Determinar el contenido de humedad de los granos, en varias etapas de producción, es crucial para controlar la calidad, seguridad y almacenamiento del grano. Este trabajo inspecciona qué tan bien funcionan las imágenes de arroz de los descriptores globales y locales para determinar el contenido de humedad de los granos utilizando técnicas de visión e inteligencia artificial. Tres conjuntos de imágenes de granos de arroz de la variedad INIAP 12 (Instituto Nacional de Investigación Agropecuaria de Ecuador) fueron capturados con una cámara móvil. El primero con luz natural y los otros con una estructura en forma de pirámide truncada. Luego, se utilizaron un conjunto de descriptores globales (color, textura) y un conjunto de descriptores locales (AZAKE, BRISK, ORB y SIFT) junto con la técnica dominante bag of visual words (BoVW) para analizar el contenido de la imagen con algoritmos de clasificación y regresión. Los resultados muestran que es posible detectar la humedad a través de imágenes con algoritmos de clasificación y regresión. Finalmente, se lograron valores de f1-score de al menos 0.9 para los descriptores de color globales y de 0.8 para los descriptores de textura, en contraste con los descriptores locales (AKAZE, BRISK y SIFT) que alcanzaron un f1-score de hasta 0.96.