El monitoreo de cultivos puede reflejar rápidamente el estado de crecimiento de los cultivos. Sin embargo, los métodos convencionales de monitoreo del crecimiento, aunque simples y directos, tienen limitaciones como muestreos destructivos, dependencia de la experiencia humana y velocidad lenta de detección. Este estudio estimó el peso fresco de la lechuga (L.) en una fábrica de plantas con luz artificial basado en tecnología de reconstrucción tridimensional (3D). Los datos de diferentes etapas de crecimiento de la lechuga se recopilaron como conjunto de datos de entrenamiento, mientras que los datos de diferentes formas de planta de lechuga se utilizaron como conjunto de datos de validación. Se utilizó el método de regresión de mínimos cuadrados parciales (PLSR) para el modelado, y se realizó una validación cruzada K-fold para evaluar el modelo. El conjunto de pruebas de este modelo logró un coeficiente de determinación (R) de 0.9693, con valores de error cuadrático medio (RMSE) y error absoluto medio (MAE) de 3.3599 y 2.5232, respectivamente. Basándose en el rendimiento del conjunto de validación, se realizó una adaptación para desarrollar un modelo de estimación de peso fresco para la lechuga bajo condiciones de luz roja lejana. Para simplificar el modelo de estimación, reducir los costos de estimación, mejorar la eficiencia de estimación y mejorar el método de monitoreo del crecimiento de la lechuga en las fábricas de plantas, se extrajeron los datos de altura de planta y ancho de dosel de lechuga para estimar el peso fresco de la lechuga además. El conjunto de pruebas del nuevo modelo logró un valor de R de 0.8970, con valores de RMSE y MAE de 3.1206 y 2.4576.