Los vehículos aéreos no tripulados (VANT) han encontrado una utilización creciente en la agricultura inteligente. La pérdida de trayectoria (PL) es de gran importancia en el presupuesto de enlace de las comunicaciones aéreo-terrestres (A2G) asistidas por VANT. Este artículo propone un modelo de PL basado en aprendizaje automático para la comunicación A2G en escenarios agrícolas. Sobre esta base, se propone una red neuronal artificial (DWN-ANN) basada en neuronas de doble peso, que puede lograr un fino equilibrio entre la cantidad de datos de medición y la precisión de las predicciones utilizando datos de simulación de trazado de rayos (RT) para el preentrenamiento y datos de medición para el entrenamiento de optimización. Además, se introduce un módulo de pre-corrección RT en la DWN-ANN para optimizar el impacto de los materiales agrícolas variables en la precisión de la simulación RT, mejorando así la precisión de los datos de simulación RT. Finalmente, se llevan a cabo campañas de medición de canales en un área agrícola a 3.6 GHz, y los datos de medición se utilizan para el entrenamiento y validación de la DWN-ANN propuesta. Los resultados de predicción del modelo de PL propuesto demuestran una buena concordancia con los datos de medición y son mejores que los modelos empíricos tradicionales.