El contenido de humedad es uno de los índices importantes para evaluar la calidad de las semillas de maíz. Su predicción precisa es muy desafiante. En este estudio, se utilizó el sistema de imagen hiperespectral de infrarrojo cercano de onda larga (LW-NIR-HSI), y se extrajeron los espectros del lado del embrión (S1) y del lado del endospermo (S2) de cada semilla de maíz, así como el espectro promedio (S3) de ambos. Se calcularon. Se establecieron los modelos de regresión de mínimos cuadrados parciales (PLSR) y de máquina de vectores de soporte de mínimos cuadrados (LS-SVM). Se emplearon la eliminación de variables no informativas (UVE) y el algoritmo de proyecciones sucesivas (SPA) para reducir la complejidad de los modelos. Los resultados indicaron que los modelos S3-UVE-SPA-PLSR y S3-UVE-SPA-LS-SVM lograron la mejor precisión de predicción con un de 1.22% y 1.20%, respectivamente. Además, la combinación (S1+S2) de S1 y S2 también se utilizó para establecer los modelos de predicción y obtener un modelo general. Los resultados indicaron que el modelo S1+S2-UVE-SPA-LS-SVM fue más valioso con un de 0.91 y de 1.32% para la predicción. Este modelo puede disminuir la influencia de diferentes espectros de entrada (es decir, S1 o S2) en el rendimiento de predicción. El estudio en general indicó que la tecnología LW-HSI combinada con el modelo general podría realizar la predicción no destructiva y estable de la humedad en las semillas de maíz.