El tratamiento de semillas con micronutrientes es una estrategia crucial para proporcionar suministro temprano de plántulas durante el desarrollo, y es comúnmente utilizado en el cultivo de soja. Sin embargo, las respuestas al tratamiento con micronutrientes pueden variar según los niveles de vigor de las semillas. Por lo tanto, este estudio tuvo como objetivo evaluar el potencial de la imagen hiperespectral combinada con el preprocesamiento y el aprendizaje automático, en comparación con la espectroscopía de fluorescencia de rayos X, para evaluar la dinámica de la absorción de micronutrientes durante la germinación de semillas de soja con diferentes niveles de vigor. Se utilizaron dos lotes de semillas con niveles de vigor diferentes para el análisis. La absorción de micronutrientes por las semillas fue evaluada utilizando espectroscopía de fluorescencia de rayos X (XRF), espectroscopía de fluorescencia de rayos X de microsonda (-XRF) e imagen hiperespectral (HSI) en dos regiones de interés (cotiledones y el eje embrionario). Se emplearon modelos de clasificación de red neuronal artificial (ANN), árbol de decisión (DT) y análisis discriminante de mínimos cuadrados parciales (PLS-DA), junto con los métodos de corrección de Savitzky-Golay (SG), variación normal estándar (SNV) y corrección de dispersión multiplicativa (MSC), para determinar el vigor de la semilla en función del impacto del tratamiento con micronutrientes. La XRF identificó mayores concentraciones de micronutrientes en las semillas tratadas, siendo el zinc el elemento predominante. El análisis -XRF reveló que una proporción significativa de los micronutrientes permaneció adherida al hilo y la cubierta de la semilla, independientemente del vigor de la semilla. El modelo de clasificación PLS-DA utilizando datos espectrales exhibió una mayor precisión en la clasificación de semillas de soja con alto y bajo vigor, independientemente del tratamiento con micronutrientes y la región analizada.