Las leguminosas de grano desempeñan un papel global significativo y son fundamentales para la agricultura y la producción de alimentos en todo el mundo. Por lo tanto, comprender y analizar los factores que influyen en el rendimiento de las leguminosas de grano es de suma importancia para guiar la gestión agrícola y la toma de decisiones. Los métodos tradicionales de análisis estadístico presentan limitaciones en la interpretación de resultados, pero la inteligencia artificial explicativa (IA) proporciona una representación visual de los resultados del modelo, ofreciendo información sobre los factores clave que afectan al rendimiento de las leguminosas de grano. En este estudio, se seleccionaron nueve especies típicas de leguminosas de grano a partir de un conjunto de datos experimentales globales publicados: guisante de jardín, garbanzo, caupí, veza de jardín, haba, lenteja, guandú, cacahuete y lupino blanco. Se construyeron siete modelos comúnmente utilizados para cada especie de leguminosa, y la evaluación del rendimiento del modelo se realizó utilizando métricas de precisión, AUC, recuperación, precisión y puntuación F1. Se seleccionó el mejor modelo de clasificación para cada especie de leguminosa de grano. Mediante el análisis de árboles de decisión, la Evaluación de Importancia de Características y las Explicaciones Aditivas SHapley (SHAP) como técnicas explicativas, nuestro estudio realizó análisis individuales y comprensivos de nueve cultivos leguminosos. Este enfoque ofrece una perspectiva novedosa, revelando no solo las respuestas únicas de cada cultivo a los factores influyentes, sino también demostrando los factores comunes entre diferentes cultivos. Según los resultados experimentales, XGboost (XGB) y Bosques Aleatorios (RF) son los modelos con mejor rendimiento entre los nueve tipos de leguminosas de grano, y la precisión de clasificación de una especie específica es de hasta el 87.33%. Las percepciones extraídas del mapa de importancia de las características revelan que varios factores, incluida la biomasa aérea, la precipitación, la duración de la luz solar, las condiciones del suelo, el ciclo de crecimiento y la estrategia de fertilización, tienen una influencia fundamental. Sin embargo, se encontró a partir del gráfico SHAP que las respuestas de varios cultivos a estos factores no son las mismas. Esta investigación proporciona perspectivas e información novedosa para comprender los factores que influyen en los rendimientos de las leguminosas de grano. Los hallazgos brindan una sólida base científica para los gestores agrícolas, expertos y responsables políticos en la búsqueda de optimizar los rendimientos de los cultivos de leguminosas y avanzar en la sostenibilidad agrícola.