Una estimación eficiente y precisa del crecimiento y rendimiento del trigo es importante para la evaluación del trigo y la gestión de campos. Para mejorar la precisión y estabilidad de la estimación del crecimiento y rendimiento del trigo, en este estudio se propuso un método de estimación basado en un algoritmo de regresión de vector de soporte mejorado por algoritmo genético (GA-SVR). Se realizó un análisis de correlación entre índices de vegetación calculados a partir de datos espectrales y fenotipos de crecimiento y rendimientos del trigo para obtener la combinación óptima de índices de vegetación con alta correlación y buen rendimiento de estimación. Al mismo tiempo, se seleccionó y construyó en experimentos con 12 variedades de trigo y 3 niveles de aplicación de fertilizante de nitrógeno en gradiente el modelo óptimo para el monitoreo del crecimiento del trigo. Luego, se estableció el modelo de estimación de rendimiento y se verificó su aplicabilidad bajo diferentes niveles de aplicación de fertilizante de nitrógeno. Los resultados mostraron que los modelos construidos para el índice de área foliar, altura de la planta y estimación de rendimiento funcionaron bien, con coeficientes de determinación de 0.82, 0.71 y 0.70, y errores cuadráticos medios de 0.09, 2.7 y 68.5, respectivamente. Este estudio proporcionó una técnica efectiva de teledetección de UAV para monitorear el estado de crecimiento del trigo y estimar el rendimiento. Este estudio proporciona una técnica efectiva de teledetección aérea no tripulada para monitorear el crecimiento del trigo y estimar el rendimiento, y brinda soporte técnico para la evaluación del rendimiento del trigo y la gestión de campos.