La monitorización precisa del contenido de humedad del suelo (SMC) en el campo es crucial para lograr una gestión de riego de precisión. Actualmente, el desarrollo de plataformas UAV proporciona un método rentable para la monitorización a gran escala del SMC. Este estudio investiga el maíz de ensilaje empleando tecnología de teledetección UAV para obtener imágenes multiespectrales durante las etapas de plántula, encañado y espigado. Se integraron datos experimentales de campo, y se utilizó clasificación supervisada para eliminar el fondo del suelo y las sombras de imagen. La reflectancia del dosel se extrajo utilizando técnicas de enmascaramiento, mientras que se realizó un análisis de correlación de Pearson para evaluar la fuerza de la relación lineal entre índices espectrales y SMC. Posteriormente, se construyeron modelos de redes neuronales convolucionales (CNN), redes neuronales de retropropagación (BPNN) y regresión de mínimos cuadrados parciales (PLSR) para evaluar la aplicabilidad de estos modelos en la monitorización del SMC antes y después de eliminar el fondo del suelo y las sombras de imagen. Los resultados indicaron que: (1) Después de eliminar el fondo del suelo y las sombras de imagen, la precisión de la inversión de SMC para los modelos CNN, BPNN y PLSR mejoró en todas las etapas de crecimiento. (2) Entre los diferentes modelos de inversión, la precisión de mayor a menor fue CNN, PLSR, BPNN. (3) Desde la perspectiva de las diferentes etapas de crecimiento, la precisión de la inversión de mayor a menor fue etapa de plántula, etapa de espigado, etapa de encañado. Los hallazgos proporcionan apoyo teórico y técnico para la inversión de SMC mediante teledetección multiespectral UAV en zonas radiculares de maíz de ensilaje y ofrecen validación para la monitorización a gran escala de la humedad del suelo utilizando teledetección.