Los macronutrientes, incluyendo nitrógeno (N), fósforo (P), potasio (K), calcio (Ca), magnesio (Mg) y azufre (S), son los elementos de nutrientes más básicos en la solución para el sistema hidropónico. Sin embargo, la gestión actual de las soluciones de nutrientes hidropónicos generalmente depende de sensores de CE y pH debido a la falta de equipos específicos precisos para la detección de macronutrientes, lo que conduce fácilmente a desequilibrios nutricionales para la planta cultivada. En este estudio, se utilizó la espectroscopía de absorción UV-NIR (200-1100 nm) para predecir seis macronutrientes en soluciones hidropónicas; se investigaron dos tipos de algoritmos de aprendizaje de una sola tarea, incluyendo mínimos cuadrados parciales (PLS) y operador de contracción y selección absoluta (LASSO), y dos tipos de algoritmos de aprendizaje de múltiples tareas, incluyendo aprendizaje de múltiples tareas desordenado (DMTL) y aprendizaje de múltiples tareas robusto (RMTL), para desarrollar modelos de predicción y evaluar las capacidades de UV-NIR. Los resultados mostraron que N y Ca podrían predecirse cuantitativamente por UV-NIR con una relación de rendimiento con desviación (RPD) mayor a 2, K podría predecirse cualitativamente (1.4 < RPD < 2), y P, Mg y S no podrían predecirse con éxito (RPD < 1.4); el algoritmo RMTL superó a los demás para predecir K y Ca beneficiándose de las relaciones de tarea subyacentes con N; y predecir P, Mg y S fueron identificados como tareas irrelevantes (atípicas). Nuestro estudio proporciona un enfoque potencial para predecir varios macronutrientes en soluciones hidropónicas con UV-NIR, especialmente utilizando RMTL para mejorar la capacidad de predicción del modelo.