La cantidad de mantillo de paja es un indicador importante en la detección de la paja devuelta al campo en labranza de conservación, pero hay una falta de métodos de medición automatizados a gran escala. En este estudio, estimamos la cantidad global de mantillo de paja y completamos la detección de la paja devuelta al campo. Utilizamos un vehículo aéreo no tripulado (UAV) con una cámara multiespectral para adquirir imágenes de teledetección de paja en el campo. Primero, se seleccionó el índice espectral utilizando el algoritmo Elastic-net (ENET). Luego, utilizamos el algoritmo de Optimización de Enjambre de Partículas Híbrido con Algoritmo Genético (GA-HPSO), que incorpora operadores de cruce y mutación del Algoritmo Genético (GA) en el algoritmo mejorado de Optimización de Enjambre de Partículas (PSO) para resolver el problema de que el rendimiento de predicción del modelo de aprendizaje automático se vea grandemente afectado por los parámetros. Finalmente, utilizamos el método de Monte Carlo para lograr una estimación global de la cantidad de mantillo de paja y completar la detección rápida de parcelas de campo. Los resultados indican que el modelo de inversión optimizado utilizando el algoritmo GA-HPSO fue el mejor, con el coeficiente de determinación (R) alcanzando 0,75 y el error cuadrático medio (RMSE) siendo solo 0,044. Al mismo tiempo, el método de estimación de Monte Carlo logró una precisión promedio del 88,69% para la estimación de la cantidad global de mantillo de paja, que fue efectiva y aplicable en la detección de la cantidad global de mantillo. Este estudio proporciona una referencia científica para la detección de la cantidad de mantillo de paja en labranza de conservación y también proporciona un método de estimación de inversión de modelo confiable para la estimación de la cantidad de mantillo de paja en otros cultivos.