La estimación precisa del rendimiento de grano en la cría de arroz es crucial para que los criadores puedan seleccionar y clasificar cultivares calificados. En este estudio, se llevó a cabo el uso de una plataforma de vehículo aéreo no tripulado (UAV) de bajo costo equipada con una cámara RGB para capturar imágenes de alta resolución espacial del dosel de arroz en la cría de arroz. Las técnicas de regresión de bosques aleatorios (RF) se utilizaron para establecer modelos de rendimiento utilizando (1) solo índices de vegetación (VIs) de color, (2) solo datos fenológicos y (3) fusión de VIs y datos fenológicos como entradas, respectivamente. Luego, se compararon las actuaciones de los modelos de RF con la observación manual y el modelo CERES-Rice. Los resultados indicaron que el modelo de RF que utilizaba solo VIs tuvo un mal rendimiento para estimar el rendimiento; el modelo de RF optimizado que combinaba el uso de datos fenológicos y VIs de color tuvo un rendimiento mucho mejor, lo que demostró que los datos fenológicos mejoraron significativamente el rendimiento del modelo. Además, la precisión de la estimación del rendimiento de 21 cultivares de arroz que fueron plantados continuamente durante tres años en el modelo de RF óptimo no tuvo una diferencia significativa (> 0.05) con la del modelo CERES-Rice. Estos hallazgos demuestran que el modelo de RF, al combinar datos fenológicos y VIs de color, es una forma potencial y rentable de estimar el rendimiento en la cría de arroz.