Los enfoques tradicionales de mejoramiento del maíz (L.) utilizan el rendimiento fenotípico medido directamente para tomar decisiones sobre la próxima generación de cruces. La evaluación indirecta del rendimiento de cultivares puede ser utilizada mediante varios métodos, como predicciones genómicas y teledetección. Sin embargo, algunos rasgos secundarios podrían ampliar la capacidad del mejorador para tomar decisiones informadas dentro de una sola temporada, facilitando un aumento en la velocidad de mejoramiento. Hipotetizamos que la evaluación del rendimiento fotosintético con fluorescencia de clorofila (ChlF) podría ser eficiente para predicciones en temporada de rendimiento y humedad del grano. El experimento se realizó con 16 híbridos de maíz durante tres años consecutivos (2017-2019). Se midió ChlF en hojas adaptadas a la oscuridad por la mañana durante la antésis. Se ajustaron modelos de mínimos cuadrados parciales y se evaluó la eficiencia de la selección indirecta. Los resultados mostraron variabilidad en los rasgos utilizados en este estudio. Las correlaciones genéticas entre todos los rasgos fueron principalmente muy débiles y negativas. Las estimaciones de heredabilidad para todos los rasgos fueron moderadamente altas a altas. El modelo con 10 variables latentes mostró una mayor capacidad predictiva para el rendimiento del grano (GY) que otros modelos. La eficiencia de la selección indirecta para GY utilizando parámetros biofísicos fue menor que la eficiencia de selección directa, mientras que la eficiencia de selección indirecta para la humedad del grano utilizando parámetros biofísicos fue relativamente alta. Los resultados de este estudio destacan la importancia y aplicabilidad de los transitorios de ChlF en los programas de mejoramiento del maíz.