El algodón constituye el 81% de las fibras naturales del mundo. La estimación precisa y rápida del rendimiento del algodón es importante para el comercio de algodón y el desarrollo de políticas agrícolas. Por lo tanto, desarrollamos un índice de teledetección que puede representar intuitivamente las características de las cápsulas de algodón y apoyar la estimación del rendimiento del algodón mediante la extracción de píxeles de cápsulas de algodón. En nuestro estudio, se extrajo la Densidad de Píxeles de Cápsulas de Algodón Abiertas (DCP) diseñando diferentes índices de cápsulas de algodón combinados con el método de segmentación por umbral. Se comparó y analizó la relación entre DCP y los conjuntos de datos de encuestas de campo, la Densidad Total de Cápsulas de Algodón (DTC) y el rendimiento. Se implementaron y evaluaron cinco modelos comunes de estimación de rendimiento: Regresión Lineal (LR), Regresión de Vectores de Soporte (SVR), Árboles de Clasificación y Regresión (CART), Bosque Aleatorio (RF) y K-Vecinos Más Cercanos (KNN). Los resultados mostraron que DCP tenía una fuerte correlación con el rendimiento, con un coeficiente de correlación de Pearson de 0.84. El método RF mostró el mejor rendimiento en la estimación del rendimiento, con valores promedio de R2 y rRMSE de 0.77 y 7.5%, respectivamente (validación cruzada de cinco pliegues). Este estudio mostró que el índice normalizado RedGreenBlue (RGB) y el infrarrojo cercano normalizado (NIR), una forma normalizada que consiste en las bandas RGB y NIR, tuvo el mejor desempeño.