Este estudio tiene como objetivo desarrollar un método para predecir el rendimiento de nueces (L.) basado en el modelo de nube de puntos del huerto de nogales, abordando problemas como la baja eficiencia, la precisión insuficiente y los altos costos en los métodos tradicionales. La nube de puntos del huerto de nogales se reconstruye utilizando imágenes de vehículos aéreos no tripulados (UAV), y se aplica la técnica de segmentación semántica para extraer el modelo de nube de puntos de cada árbol de nogal individual. Además, se calcula la altura del árbol, el área de proyección de la copa y el volumen de cada árbol de nogal. Al combinar estas características morfológicas con modelos estadísticos y métodos de aprendizaje automático, se establece un modelo de predicción entre la morfología del árbol y el rendimiento, logrando una precisión de predicción con un error absoluto medio (MAE) de 2.04 kg, un error porcentual absoluto medio (MAPE) de 17.24%, un error cuadrático medio (RMSE) de 2.81 kg y un coeficiente de determinación (R) de 0.83. Este método proporciona una solución eficiente, precisa y económicamente factible para la predicción del rendimiento de nueces, superando las limitaciones de las tecnologías existentes.