El cultivo efectivo de lechuga requiere un monitoreo preciso de las características de crecimiento, evaluación de calidad y un momento óptimo para la cosecha. En un estudio reciente, se desarrolló un modelo de aprendizaje profundo basado en la fusión de datos multimodales para estimar con precisión los rasgos fenotípicos de la lechuga. Se diseñó una red dual-modal que combina imágenes RGB y de profundidad utilizando un conjunto de datos abierto de lechuga. La red incorporó tanto un módulo de corrección de características como un módulo de fusión de características, mejorando significativamente el rendimiento en la detección de objetos, segmentación y estimación de rasgos. El modelo demostró una alta precisión en la estimación de rasgos clave, incluyendo peso fresco (fw), peso seco (dw), altura de la planta (h), diámetro del dosel (d) y área foliar (la), logrando un R de 0.9732 para el peso fresco. La robustez y precisión se validaron aún más a través de una validación cruzada de 5 pliegues, ofreciendo un enfoque prometedor para el fenotipado de cultivos en el futuro.