El maíz dulce y el maíz ceroso tienen un mejor sabor y un mayor valor nutricional acumulado que el maíz regular, y se cultivan ampliamente y se consumen popularmente en todo el mundo. La altura de la planta (PH), la altura de la mazorca (EH) y el número de ramas de la espiga (TBN) son rasgos clave de la arquitectura de la planta, que juegan un papel importante en la mejora del rendimiento de grano en el maíz. En este estudio, se realizó un estudio de asociación a nivel genómico (GWAS) y un análisis de predicción genómica sobre los rasgos de arquitectura de la planta de PH, EH y TBN en una población de maíz comestible fresco que consiste en 190 líneas endogámicas de maíz dulce y 287 líneas endogámicas de maíz ceroso. Los datos fenotípicos de dos ubicaciones mostraron una alta heredabilidad para los tres rasgos, con diferencias significativas observadas entre el maíz dulce y el maíz ceroso tanto para PH como para EH. Las diferencias entre los tres subgrupos de maíz dulce no fueron obvias para los tres rasgos. Los resultados del análisis de la estructura de la población y del PCA dividieron toda la población en tres subgrupos, es decir, maíz dulce, maíz ceroso y el subgrupo mezclado con maíz dulce y ceroso. El análisis de GWAS se realizó con 278,592 SNPs obtenidos de datos de resecuenciación; se detectaron 184, 45 y 68 SNPs significativamente asociados para PH, EH y TBN, respectivamente. Los valores de varianza fenotípica explicada (PVE) de estos SNPs significativos variaron del 3.50% al 7.0%. Los resultados de este estudio sientan las bases para una mayor comprensión de la base genética de los rasgos de arquitectura de la planta en el maíz dulce y el maíz ceroso. La selección genómica (GS) es un nuevo enfoque para mejorar rasgos cuantitativos en grandes poblaciones de mejoramiento de plantas que utiliza marcadores moleculares de genoma completo. El número de marcadores y la calidad de los marcadores son esenciales para la aplicación de GS en el mejoramiento del maíz. GWAS puede elegir los marcadores más relacionados con los rasgos, por lo que se puede utilizar para mejorar la precisión predictiva de GS.